Belajar Image Classification Menggunakan NVIDIA Jetson Nano

Pada tulisan sebelumnya, telah dibahas mengenai bagaimana menginstal dan menjalankan imagenet-camera yang merupakan salah satu aplikasi di dalam project Hello AI World – project demo yang disediakan oleh Nvidia untuk pengguna agar lebih memahami tentang apa yang dapat dilakukan Jetson Nano khususnya di sektor kecerdasan buatan.

Di dalam library Jetson Nano Inference yang telah diinstal pada tulisan sebelumnya, terdapat beberapa aplikasi bawaan yaitu diantaranya adalah 

• detectnet-camera : merupakan aplikasi yang berfungsi untuk mendeteksi object menggunakan kamera sebagai input
• detectnet-console: aplikasi yang sama dengan detectnet-camera, namun menggunakan masukan file image .
• imagenet-camera: aplikasi yang berfungsi menjalankan algoritma image-classification dengan  parameter masukan data dari kamera (ini adalah aplikasi yang dijalankan pada artikel sebelumnya)
• imagenet-console: sama dengan aplikasi imagenet-camera, perbedaanya hanya pada masukannya menggunakan file image
• segnet-camera: aplikasi dengan fungsi menjalankan segmentasi image dari data masukan kamera
• segnet-console: aplikasi yang juga menjalankan segmentasi image namun dengan data masukan file image

• Klasifikasi Image

Pada tulisan ini,  akan diulas lebih lanjut tentang  klasifikasi image,  yang sebenarnya merupakan sebuah konsep penting dari computer vision, cabang ilmu dari kecerdasan buatan. Klasifikasi image sebenarnya merujuk kepada sebuah proses di dalam computer vision, yang dapat memilah sebuah image berdasarkan penampakan visualnya. Contoh implementasi dari algoritma klasifikasi image adalah  aplikasi yang dirancang untuk mengenali wajah pemilik yang biasa tertanam pada ponsel pintar seperti Android.

Untuk mencapai tujuan itu, salah satu caranya digunakan metode deep learning  dengan menggunakan Jaringan Syaraf Tiruan  (Artificial Neural Network) yang dilatih menggunakan sejumlah dataset agar mampu mengidentifikasi gambar dan juga objek

Terdapat beberapa dataset tersedia yang dapat diunduh, yaitu  sebagai disebutkan pada tabel berikut

Saat proses build yang telah diulas pada artikel yang lalu, secara default digunakan dataset GoogleNet dan ResNet-18, namun programmer dapat menambahkan dataset lain dengan mengetik perintah sebagai berikut

• Hands On

Sekarang, mari bereksperimen menggunakan program imagenet-console yang digunakan sebagai demonstransi kemampuan imageNet dan TensorRT untuk mengenali objek dari file gambar. Sampel image juga tersedia di direktori /jetson-inference/data/images

Misalnya, penulis ingin menggunakan image orange_1.jpg berikut

Ketik perintah berikut pada jendela terminal

Tunggu beberapa saat ketika program dijalankan, saat pertama kali dijalankan biasanya TensorRT akan memerlukan beberapa menit untuk mengoptimasi Jaringan Syaraf Tiruan. Hasil optimasi tersebut akan disimpan di-cached di dalam storage sehingga kedepan model dapat berjalan lebih cepat.

Setelah selesei, file image output_1.jpg akan terbentuk, untuk membukanya, ketik perintah xdg-open output_1.jpg pada terminal sehingga window image output_1.jpg tampil sebagai berikut

Pembaca juga bisa mencoba dengan image yang lain, atau menggunakan koleksi gambar pribadi, atau mencarinya lewat google. Misalnya gambar apel seperti yang saya potret menggunakan kamera ponsel

akan menghasilkan keluaran seperti berikut