Orange: Image Analytics Clustering - Revision history

Onnowpurbo: /* Contoh */

2020-03-13T21:45:03Z

Contoh

← Older revision		Revision as of 21:45, 13 March 2020
Line 29:		Line 29:
	Data keluaran widget Image Embedding dapat kita periksa menggunakan widget Data Table. Sekarang kita memiliki presentasi numerik / angka dari gambar-gambar. Per gambar ada 2048 representasi numerik (kolom n0 hingga n2047). Dengan feature representasi angka ini, kita dapat menerapkan semua teknik standard machine learning, seperti, clustering.		Data keluaran widget Image Embedding dapat kita periksa menggunakan widget Data Table. Sekarang kita memiliki presentasi numerik / angka dari gambar-gambar. Per gambar ada 2048 representasi numerik (kolom n0 hingga n2047). Dengan feature representasi angka ini, kita dapat menerapkan semua teknik standard machine learning, seperti, clustering.

	~~Mari~~ kita ~~ukur~~ jarak antara gambar-gambar ~~ini dan melihat mana~~ yang ~~paling mirip. Kita~~ menggunakan widget Distances ~~untuk mengukur jarak~~. Biasanya, cosine distance paling baik untuk gambar, tetapi anda dapat bereksperimen sendiri. Kemudian kita akan mengirimkan distance matrix ke Hierarchical Clustering untuk memvisualisasikan similar pair di dendrogram.		Untuk mengelompokan berdasarkan kemiripan, kita dapat mengukur jarak antara gambar-gambar. Representasi angka dari gambar yang di peroleh dari widget Image Embedding, kita ukur jaraknya menggunakan widget Distances. Biasanya, cosine distance paling baik untuk gambar, tetapi anda dapat bereksperimen sendiri. Kemudian kita akan mengirimkan distance matrix ke Hierarchical Clustering untuk memvisualisasikan similar pair di dendrogram.

	[[File:Screen-Shot-2017-03-29-at-10.20.38.png\|center\|200px\|thumb]]		[[File:Screen-Shot-2017-03-29-at-10.20.38.png\|center\|200px\|thumb]]

Onnowpurbo: /* Contoh */

2020-03-13T21:19:26Z

Contoh

← Older revision		Revision as of 21:19, 13 March 2020
Line 37:		Line 37:
	[[File:Screen-Shot-2017-03-29-at-10.23.38.png\|center\|200px\|thumb]]		[[File:Screen-Shot-2017-03-29-at-10.23.38.png\|center\|200px\|thumb]]

	~~Keren abis! Semua~~ keluarga sapi dikelompokkan bersama! Sekarang kita dapat mengklik cabang dendrogram yang berbeda dan mengamati hewan mana yang termasuk dalam kelompok mana.		Terlihat dengan jelas bahwa keluarga sapi dikelompokkan bersama. Sekarang kita dapat mengklik cabang dendrogram yang berbeda dan mengamati hewan mana yang termasuk dalam kelompok mana.

	~~Tapi saya tahu apa yang akan anda katakan.~~ anda akan ~~mengatakan saya~~ curang~~. Bahwa saya sengaja memilih~~ gambar yang ~~mirip~~ untuk menipu ~~anda~~.		Kemungkinan anda akan berfikir, ini curang karena gambar yang dipilih sengaja di miripkan untuk menipu :) ....

	~~Saya akan~~ membuktikan ~~anda salah. Saya~~ akan mengambil sapi baru, ~~katakanlah,~~ sapi paling terkenal di Eropa - sapi Milka.		Untuk membuktikan bahwa ini bukan tipuan, kita akan mengambil sapi baru, disini di ambil sapi paling terkenal di Eropa - sapi Milka.

	[[File:Milka cow by miki3d.jpg\|center\|200px\|thumb]]		[[File:Milka cow by miki3d.jpg\|center\|200px\|thumb]]

	Gambar ini sangat berbeda dari gambar lain - tidak memiliki latar belakang putih, ini foto asli (belum dipotret) dan sapi ~~itu~~ menghadap ~~kami~~. Akankah Image Embedding menemukan representasi numerik yang tepat untuk sapi ini?		Gambar ini sangat berbeda dari gambar lain - tidak memiliki latar belakang putih, ini foto asli (belum dipotret) dan muka sapi Milka menghadap kemuka. Akankah widget Image Embedding menemukan representasi numerik yang tepat untuk sapi ini?

	[[File:Screen-Shot-2017-03-29-at-10.30.41.png\|center\|200px\|thumb]]		[[File:Screen-Shot-2017-03-29-at-10.30.41.png\|center\|200px\|thumb]]

	~~Memang dia~~ berhasil. Milka disatukan dengan ~~semua~~ sapi lainnya.		Tampaknya berhasil. Milka disatukan dengan sapi lainnya.

	Analisis gambar adalah bidang yang sangat menarik dalam pembelajaran mesin dan sekarang Orange juga menjadi bagian darinya! anda perlu menginstal add-on Image Analytics dan anda siap untuk melakukan penelitian anda!		Analisis gambar adalah bidang yang sangat menarik dalam pembelajaran mesin dan sekarang Orange juga menjadi bagian darinya! anda perlu menginstal add-on Image Analytics dan anda siap untuk melakukan penelitian anda!

Onnowpurbo: /* Contoh */

2020-03-13T20:59:59Z

Contoh

← Older revision		Revision as of 20:59, 13 March 2020
Line 27:		Line 27:
	[[File:Screen-Shot-2017-03-29-at-10.15.50.png\|center\|200px\|thumb]]		[[File:Screen-Shot-2017-03-29-at-10.15.50.png\|center\|200px\|thumb]]

	~~Menggunakan~~ widget		Data keluaran widget Image Embedding dapat kita periksa menggunakan widget Data Table. Sekarang kita memiliki presentasi numerik / angka dari gambar-gambar. Per gambar ada 2048 representasi numerik (kolom n0 hingga n2047). Dengan feature representasi angka ini, kita dapat menerapkan semua teknik standard machine learning, seperti, clustering.
	~~Bagus!~~ Sekarang kita memiliki angka ~~yang kita inginkan~~. ~~Ada~~ 2048 ~~di antaranya~~ (kolom n0 hingga n2047). ~~Mulai sekarang~~, kita dapat menerapkan semua teknik standard machine learning, seperti, clustering.

	Mari kita ukur jarak antara gambar-gambar ini dan melihat mana yang paling mirip. ~~Kami~~ menggunakan Distances ~~widget~~ untuk mengukur jarak. Biasanya, cosine distance paling baik untuk gambar, tetapi anda dapat bereksperimen sendiri. Kemudian kita akan mengirimkan distance matrix ke Hierarchical Clustering untuk memvisualisasikan similar pair di dendrogram.		Mari kita ukur jarak antara gambar-gambar ini dan melihat mana yang paling mirip. Kita menggunakan widget Distances untuk mengukur jarak. Biasanya, cosine distance paling baik untuk gambar, tetapi anda dapat bereksperimen sendiri. Kemudian kita akan mengirimkan distance matrix ke Hierarchical Clustering untuk memvisualisasikan similar pair di dendrogram.

	[[File:Screen-Shot-2017-03-29-at-10.20.38.png\|center\|200px\|thumb]]		[[File:Screen-Shot-2017-03-29-at-10.20.38.png\|center\|200px\|thumb]]

	~~Ini terlihat sangat menjanjikan! Semua~~ hewan ~~yang tepat dikelompokkan bersama~~. ~~Tapi saya~~ tidak ~~bisa~~ melihat ~~hasilnya dengan baik di dendrogram~~. ~~Saya ingin~~ melihat gambar - ~~dengan Image Viewer!~~		Hasilnya, semua hewan secara benar masuk kelompoknya. Dalam dendogram hasil pengelompokan, kita tidak melihat gambar hewan. Kita dapat menggunakan widget Image Viewer untuk melihat gambar-nya.

	[[File:Screen-Shot-2017-03-29-at-10.23.38.png\|center\|200px\|thumb]]		[[File:Screen-Shot-2017-03-29-at-10.23.38.png\|center\|200px\|thumb]]
Line 52:		Line 51:
	Memang dia berhasil. Milka disatukan dengan semua sapi lainnya.		Memang dia berhasil. Milka disatukan dengan semua sapi lainnya.

	Analisis gambar adalah bidang yang sangat menarik dalam pembelajaran mesin dan sekarang Orange juga menjadi bagian darinya! ~~Anda~~ perlu menginstal add Image Analytics dan ~~Anda~~ siap untuk penelitian ~~Anda~~!		Analisis gambar adalah bidang yang sangat menarik dalam pembelajaran mesin dan sekarang Orange juga menjadi bagian darinya! anda perlu menginstal add-on Image Analytics dan anda siap untuk melakukan penelitian anda!

	==Referensi==		==Referensi==

Onnowpurbo: /* Contoh */

2020-03-13T20:52:31Z

Contoh

← Older revision		Revision as of 20:52, 13 March 2020
Line 9:		Line 9:
	==Contoh==		==Contoh==

	~~Di sini~~ kita ~~memiliki~~ 19 gambar hewan peliharaan. Pertama, unduh gambar dan unzip. Kemudian gunakan widget Import Images dari add-on Orange's Image Analytics dan buka direktori yang berisi gambar.		Dalam workflow contoh, kita akan menggunakan 19 gambar hewan peliharaan. Pertama, unduh gambar dan unzip. Kemudian gunakan widget Import Images dari add-on Orange Image Analytics dan buka direktori yang berisi gambar.

	[[File:ImportImages.png\|center\|200px\|thumb]]		[[File:ImportImages.png\|center\|200px\|thumb]]

	~~Kami dapat memvisualisasikan gambar dalam~~ Image Viewer ~~widget. Inilah~~ workflow ~~kami sejauh~~ ini~~, dengan gambar yang ditampilkan di Image Viewer:~~		Gambar hewan bisa divisualisasikan menggunakan widget Image Viewer, seperti workflow berikut ini.

	[[File:Image-viewer.png\|center\|200px\|thumb]]		[[File:Image-viewer.png\|center\|200px\|thumb]]
Line 19:		Line 19:
	[[File:Screen-Shot-2017-03-29-at-10.07.36.png\|center\|200px\|thumb]]		[[File:Screen-Shot-2017-03-29-at-10.07.36.png\|center\|200px\|thumb]]

	~~Tapi apa yang~~ kita ~~lihat di~~ tabel data~~? Hanya~~ beberapa deskripsi gambar ~~yang tidak berguna (~~nama file, lokasi file, ukurannya, dan lebar dan tinggi gambar).		Jika kita perhatikan baik-baik, isi tabel data hanya beberapa deskripsi gambar, seperti, nama file, lokasi file, ukurannya, dan lebar dan tinggi gambar. Informasi ini tidak bisa membantu kita untuk melakukan machine learning.

	[[File:Screen-Shot-2017-03-29-at-10.11.06.png\|center\|200px\|thumb]]		[[File:Screen-Shot-2017-03-29-at-10.11.06.png\|center\|200px\|thumb]]

	~~Ini tidak bisa membantu kita dengan~~ machine learning~~. Seperti yang dikatakan sebelumnya,~~ kita membutuhkan angka. Untuk memperoleh representasi numerik dari gambar-gambar ~~ini~~, kita ~~akan~~ mengirim gambar ke Image Embedding ~~widget~~.		Untuk melakukan machine learning kita membutuhkan angka. Untuk memperoleh representasi numerik dari gambar-gambar, kita mengirim gambar ke widget Image Embedding.

	[[File:Screen-Shot-2017-03-29-at-10.15.50.png\|center\|200px\|thumb]]		[[File:Screen-Shot-2017-03-29-at-10.15.50.png\|center\|200px\|thumb]]

			Menggunakan widget
	Bagus! Sekarang kita memiliki angka yang kita inginkan. Ada 2048 di antaranya (kolom n0 hingga n2047). Mulai sekarang, kita dapat menerapkan semua teknik standard machine learning, seperti, clustering.		Bagus! Sekarang kita memiliki angka yang kita inginkan. Ada 2048 di antaranya (kolom n0 hingga n2047). Mulai sekarang, kita dapat menerapkan semua teknik standard machine learning, seperti, clustering.

Onnowpurbo: /* Terkait: Video pada image clustering */

2020-03-13T07:07:36Z

Terkait: Video pada image clustering

← Older revision		Revision as of 07:07, 13 March 2020
Line 5:		Line 5:
	Untuk mengambil angka dari data yang tidak terstruktur, Orange dapat menggunakan deep network embedder. Orange baru saja mulai memasukkan berbagai embedders di Orange pada widget Image Embedding, dan untuk saat ini, sudah tersedia untuk teks dan gambar.		Untuk mengambil angka dari data yang tidak terstruktur, Orange dapat menggunakan deep network embedder. Orange baru saja mulai memasukkan berbagai embedders di Orange pada widget Image Embedding, dan untuk saat ini, sudah tersedia untuk teks dan gambar.

	~~==Terkait: Video pada image clustering==~~		Pada kesempatan ini, kita akan mengambil contoh image embedding dan menunjukkan betapa mudahnya menggunakannya di Orange. Secara teknis, Orange akan mengirim gambar ke server, di mana server akan mendorong gambar melalui pre-trained deep neural network, seperti Google Inception v3. Deep network sering dilatih dengan tujuan tertentu. Inception v3, misalnya, dapat mengklasifikasikan gambar ke dalam salah satu dari 1.000 class gambar. Kita dapat saja mengabaikan klasifikasi yang bisa disarankan, sebagai gantinya mempertimbangkan penultimate layer dari network dengan 2048 node (angka) dan menggunakannya untuk image’s vector-based representation.

	~~Di sini~~, ~~kami memberikan~~ contoh image embedding dan menunjukkan betapa mudahnya menggunakannya di Orange. Secara teknis, Orange akan mengirim gambar ke server, di mana server akan mendorong gambar melalui pre-trained deep neural network, seperti Google Inception v3. Deep network sering dilatih dengan tujuan ~~khusus~~. Inception v3, misalnya, dapat mengklasifikasikan gambar ke dalam salah satu dari 1.000 ~~kelas~~ gambar. Kita dapat mengabaikan klasifikasi, sebagai gantinya mempertimbangkan ~~lapisan kedua~~ dari ~~belakang jaringan~~ dengan 2048 node (angka) dan menggunakannya untuk image’s vector-based representation.

	==Contoh==		==Contoh==

Onnowpurbo at 06:35, 13 March 2020

2020-03-13T06:35:15Z

← Older revision		Revision as of 06:35, 13 March 2020
Line 3:		Line 3:
	Data tidak selalu datang dalam bentuk tabel yang bagus. Data juga dapat berupa kumpulan teks, rekaman audio, materi video atau bahkan gambar. Namun, komputer hanya dapat bekerja dengan angka, jadi untuk setiap data mining, kita perlu mengubah data yang tidak terstruktur tersebut menjadi representasi vektor.		Data tidak selalu datang dalam bentuk tabel yang bagus. Data juga dapat berupa kumpulan teks, rekaman audio, materi video atau bahkan gambar. Namun, komputer hanya dapat bekerja dengan angka, jadi untuk setiap data mining, kita perlu mengubah data yang tidak terstruktur tersebut menjadi representasi vektor.

	Untuk mengambil angka dari data yang tidak terstruktur, Orange dapat menggunakan deep network embedder. Orange baru saja mulai memasukkan berbagai embedders di Orange, dan untuk saat ini, sudah tersedia untuk teks dan gambar.		Untuk mengambil angka dari data yang tidak terstruktur, Orange dapat menggunakan deep network embedder. Orange baru saja mulai memasukkan berbagai embedders di Orange pada widget Image Embedding, dan untuk saat ini, sudah tersedia untuk teks dan gambar.

	==Terkait: Video pada image clustering==		==Terkait: Video pada image clustering==

Onnowpurbo at 06:34, 13 March 2020

2020-03-13T06:34:38Z

← Older revision		Revision as of 06:34, 13 March 2020
Line 3:		Line 3:
	Data tidak selalu datang dalam bentuk tabel yang bagus. Data juga dapat berupa kumpulan teks, rekaman audio, materi video atau bahkan gambar. Namun, komputer hanya dapat bekerja dengan angka, jadi untuk setiap data mining, kita perlu mengubah data yang tidak terstruktur tersebut menjadi representasi vektor.		Data tidak selalu datang dalam bentuk tabel yang bagus. Data juga dapat berupa kumpulan teks, rekaman audio, materi video atau bahkan gambar. Namun, komputer hanya dapat bekerja dengan angka, jadi untuk setiap data mining, kita perlu mengubah data yang tidak terstruktur tersebut menjadi representasi vektor.

	Untuk mengambil angka dari data yang tidak terstruktur, Orange dapat menggunakan deep network embedder. ~~Kita~~ baru saja mulai memasukkan berbagai embedders di Orange, dan untuk saat ini, ~~mereka~~ tersedia untuk teks dan gambar.		Untuk mengambil angka dari data yang tidak terstruktur, Orange dapat menggunakan deep network embedder. Orange baru saja mulai memasukkan berbagai embedders di Orange, dan untuk saat ini, sudah tersedia untuk teks dan gambar.

	==Terkait: Video pada image clustering==		==Terkait: Video pada image clustering==

Onnowpurbo: /* Contoh */

2020-03-13T06:17:58Z

Contoh

← Older revision		Revision as of 06:17, 13 March 2020
Line 11:		Line 11:
	==Contoh==		==Contoh==

	Di sini kita memiliki 19 gambar hewan peliharaan. Pertama, unduh gambar dan unzip. Kemudian ~~gunakanImport~~ Images ~~widget~~ dari add-on Orange's Image Analytics dan buka direktori yang berisi gambar.		Di sini kita memiliki 19 gambar hewan peliharaan. Pertama, unduh gambar dan unzip. Kemudian gunakan widget Import Images dari add-on Orange's Image Analytics dan buka direktori yang berisi gambar.

	[[File:ImportImages.png\|center\|200px\|thumb]]		[[File:ImportImages.png\|center\|200px\|thumb]]

Onnowpurbo at 01:18, 29 February 2020

2020-02-29T01:18:24Z

← Older revision		Revision as of 01:18, 29 February 2020
Line 1:		Line 1:
	Sumber: https://orange.biolab.si/blog/2017/04/03/image-analytics-clustering/		Sumber: https://orange.biolab.si/blog/2017/04/03/image-analytics-clustering/

	Data tidak selalu datang dalam bentuk tabel yang bagus. Data juga dapat berupa kumpulan teks, rekaman audio, materi video atau bahkan gambar. Namun, komputer hanya dapat bekerja dengan angka, jadi untuk setiap ~~penambangan~~ data, kita perlu mengubah data yang tidak terstruktur tersebut menjadi representasi vektor.		Data tidak selalu datang dalam bentuk tabel yang bagus. Data juga dapat berupa kumpulan teks, rekaman audio, materi video atau bahkan gambar. Namun, komputer hanya dapat bekerja dengan angka, jadi untuk setiap data mining, kita perlu mengubah data yang tidak terstruktur tersebut menjadi representasi vektor.

	Untuk mengambil angka dari data yang tidak terstruktur, Orange dapat menggunakan deep network embedder. Kita baru saja mulai memasukkan berbagai embedders di Orange, dan untuk saat ini, mereka tersedia untuk teks dan gambar.		Untuk mengambil angka dari data yang tidak terstruktur, Orange dapat menggunakan deep network embedder. Kita baru saja mulai memasukkan berbagai embedders di Orange, dan untuk saat ini, mereka tersedia untuk teks dan gambar.

Onnowpurbo: /* Contoh */

2020-01-29T04:25:55Z

Contoh

← Older revision		Revision as of 04:25, 29 January 2020
Line 31:		Line 31:
	Bagus! Sekarang kita memiliki angka yang kita inginkan. Ada 2048 di antaranya (kolom n0 hingga n2047). Mulai sekarang, kita dapat menerapkan semua teknik standard machine learning, seperti, clustering.		Bagus! Sekarang kita memiliki angka yang kita inginkan. Ada 2048 di antaranya (kolom n0 hingga n2047). Mulai sekarang, kita dapat menerapkan semua teknik standard machine learning, seperti, clustering.

	~~Let us measure the distance between these images and see which are the most similar~~. ~~We used~~ Distances widget ~~to measure the distance~~. ~~Normally~~, cosine distance ~~works best for images~~, ~~but you can experiment on your own~~. ~~Then we passed the~~ distance matrix to Hierarchical Clustering ~~to visualize~~ similar ~~pairs in a~~ dendrogram.		Mari kita ukur jarak antara gambar-gambar ini dan melihat mana yang paling mirip. Kami menggunakan Distances widget untuk mengukur jarak. Biasanya, cosine distance paling baik untuk gambar, tetapi anda dapat bereksperimen sendiri. Kemudian kita akan mengirimkan distance matrix ke Hierarchical Clustering untuk memvisualisasikan similar pair di dendrogram.

	[[File:Screen-Shot-2017-03-29-at-10.20.38.png\|center\|200px\|thumb]]		[[File:Screen-Shot-2017-03-29-at-10.20.38.png\|center\|200px\|thumb]]

	~~This looks very promising~~! ~~All the right animals are grouped together~~. ~~But I can’t see the results so well in the~~ dendrogram. ~~I want to see the images~~ - ~~with~~ Image Viewer!		Ini terlihat sangat menjanjikan! Semua hewan yang tepat dikelompokkan bersama. Tapi saya tidak bisa melihat hasilnya dengan baik di dendrogram. Saya ingin melihat gambar - dengan Image Viewer!

	[[File:Screen-Shot-2017-03-29-at-10.23.38.png\|center\|200px\|thumb]]		[[File:Screen-Shot-2017-03-29-at-10.23.38.png\|center\|200px\|thumb]]

	~~So cool~~! ~~All the cow family is grouped together~~! ~~Now we can click on different branches of the~~ dendrogram ~~and observe which animals belong to which group~~.		Keren abis! Semua keluarga sapi dikelompokkan bersama! Sekarang kita dapat mengklik cabang dendrogram yang berbeda dan mengamati hewan mana yang termasuk dalam kelompok mana.

	~~But I know what you are going to say~~. ~~You are going to say I am cheating~~. ~~That I intentionally selected similar images to trick you~~.		Tapi saya tahu apa yang akan anda katakan. anda akan mengatakan saya curang. Bahwa saya sengaja memilih gambar yang mirip untuk menipu anda.

	~~I will prove you wrong~~. ~~I will take a new cow~~, ~~say~~, ~~the most famous cow in Europe~~ - Milka ~~cow~~.		Saya akan membuktikan anda salah. Saya akan mengambil sapi baru, katakanlah, sapi paling terkenal di Eropa - sapi Milka.

	[[File:Milka cow by miki3d.jpg\|center\|200px\|thumb]]		[[File:Milka cow by miki3d.jpg\|center\|200px\|thumb]]

	~~This image is quite different from the other images~~ - ~~it doesn’t have a white background~~, ~~it’s a real~~ (~~yet photoshopped~~) ~~photo and the cow is facing us~~. ~~Will the~~ Image Embedding ~~find the right numerical representation for this cow~~?		Gambar ini sangat berbeda dari gambar lain - tidak memiliki latar belakang putih, ini foto asli (belum dipotret) dan sapi itu menghadap kami. Akankah Image Embedding menemukan representasi numerik yang tepat untuk sapi ini?

	[[File:Screen-Shot-2017-03-29-at-10.30.41.png\|center\|200px\|thumb]]		[[File:Screen-Shot-2017-03-29-at-10.30.41.png\|center\|200px\|thumb]]

	~~Indeed it has~~. Milka ~~is nicely put together with all the other cows~~.		Memang dia berhasil. Milka disatukan dengan semua sapi lainnya.

	~~Image analytics is such an exciting field in machine learning and now~~ Orange ~~is a part of it too~~! ~~You need to install the~~ Image Analytics ~~add on and you are all set for your research~~!		Analisis gambar adalah bidang yang sangat menarik dalam pembelajaran mesin dan sekarang Orange juga menjadi bagian darinya! Anda perlu menginstal add Image Analytics dan Anda siap untuk penelitian Anda!

	==Referensi==		==Referensi==