Computer Vision (Gambar & Video)

 Berikut adalah penjelasan lengkap tentang dataset-dataset populer di bidang Computer Vision (gambar & video) yang digunakan dalam riset dan pengembangan AI, terutama dalam tugas-tugas seperti klasifikasi gambar, deteksi objek, segmentasi, dan pengenalan video.

🔷 1. ImageNet

📌 Deskripsi:

• Dataset paling berpengaruh dalam sejarah Computer Vision.

• Berisi lebih dari 14 juta gambar yang telah diberi label dan dikelompokkan ke dalam 21.000+ kategori.

📊 Ukuran:

• Sekitar 150 GB (ImageNet Large Scale Visual Recognition Challenge subset – ILSVRC)

🎯 Digunakan untuk:

• Image classification

• Object detection

• Transfer learning (pretraining model)

💡 Kelebihan:

• Ukuran sangat besar → cocok untuk training model deep learning.

• Menjadi benchmark standar untuk model CNN (ResNet, AlexNet, VGG, dll).

---

🔷 2. COCO (Common Objects in Context)

📌 Deskripsi:

• Dataset yang kaya dengan anotasi untuk deteksi objek, segmentasi instance, keypoint detection, dll.

• Berisi 328.000+ gambar, dengan 1,5 juta anotasi objek dari 80 kategori.

📊 Ukuran:

• Sekitar 25 GB+ tergantung subset yang digunakan.

🎯 Digunakan untuk:

• Object detection

• Image captioning

• Instance segmentation

• Pose estimation

💡 Kelebihan:

• Anotasi sangat lengkap dan detail.

• Digunakan dalam kompetisi seperti COCO Challenge dan benchmark model seperti Mask R-CNN.

---

🔷 3. MNIST

📌 Deskripsi:

• Dataset gambar digit tangan (0–9) berukuran kecil (28x28 piksel).

• Sangat populer untuk eksperimen awal pada klasifikasi gambar.

📊 Ukuran:

• 60.000 gambar untuk training, 10.000 untuk testing.

🎯 Digunakan untuk:

• Digit recognition

• Benchmark algoritma klasifikasi sederhana

• Pelatihan awal model CNN

💡 Kelebihan:

• Ringan dan mudah digunakan untuk pemula.

• Dapat dilatih dalam hitungan detik.

---

🔷 4. CIFAR-10 & CIFAR-100

📌 Deskripsi:

• Kumpulan gambar resolusi rendah (32x32 piksel).

• CIFAR-10: 10 kelas (mobil, pesawat, anjing, dll)

• CIFAR-100: 100 kelas lebih spesifik

📊 Ukuran:

• 60.000 gambar (50.000 training, 10.000 testing)

🎯 Digunakan untuk:

• Image classification

• Eksperimen awal CNN

💡 Kelebihan:

• Cocok untuk quick testing dan benchmarking arsitektur kecil.

---

🔷 5. Pascal VOC

📌 Deskripsi:

• Dataset klasik untuk object detection, segmentation, dan action recognition.

📊 Ukuran:

• Sekitar 10.000+ gambar dengan anotasi dari 20 kategori objek umum.

🎯 Digunakan untuk:

• Object detection

• Semantic segmentation

💡 Kelebihan:

• Digunakan sebagai benchmark sebelum era COCO.

• Anotasi cukup rapi dan konsisten.

---

🔷 6. Open Images Dataset

📌 Deskripsi:

• Dataset gambar skala besar dari Google, dengan anotasi bounding box, label multi-label, dan segmentasi.

📊 Ukuran:

• Lebih dari 9 juta gambar, 600+ kategori objek.

🎯 Digunakan untuk:

• Large-scale object detection

• Hierarchical classification

💡 Kelebihan:

• Anotasi bounding box lebih dari 15 juta.

• Mewakili banyak variasi kondisi dunia nyata.

---

🔷 7. UCF101 (Video Dataset)

📌 Deskripsi:

• Dataset video beranotasi untuk action recognition.

• Berisi 13.320 video pendek dari 101 kategori aksi (berlari, berenang, menari, dsb).

📊 Ukuran:

• Sekitar 6 GB (terkompresi)

🎯 Digunakan untuk:

• Video classification

• Human activity recognition

💡 Kelebihan:

• Cocok untuk pengujian model temporal (seperti CNN+LSTM, 3D-CNN).

---

🔷 8. Kinetics (Video Dataset by DeepMind)

📌 Deskripsi:

• Kumpulan video YouTube berlabel, digunakan untuk pengenalan aksi (action recognition).

📊 Ukuran:

• Beberapa versi: Kinetics-400, Kinetics-600, Kinetics-700 (ratusan ribu klip)

🎯 Digunakan untuk:

• Video understanding

• Temporal modeling

• Action recognition

💡 Kelebihan:

• Digunakan sebagai benchmark utama untuk model video seperti I3D, SlowFast, TimeSformer.

---

🔷 9. LFW (Labeled Faces in the Wild)

📌 Deskripsi:

• Dataset untuk pengenalan wajah (face recognition) dari gambar orang terkenal dalam kondisi dunia nyata.

📊 Ukuran:

• 13.000+ gambar wajah dari 5.000+ orang

🎯 Digunakan untuk:

• Face verification

• Face recognition

💡 Kelebihan:

• Digunakan dalam pengujian sistem biometric.

• Cocok untuk face embedding model (seperti FaceNet).

---

🔷 RINGKASAN TABEL

Dataset	Fokus	Jumlah Data	Tugas Utama
ImageNet	Gambar umum (klasifikasi)	14+ juta gambar	Klasifikasi, pretraining
COCO	Objek kontekstual	328k gambar	Deteksi objek, segmentasi
MNIST	Digit tulisan tangan	70k gambar	Klasifikasi digit
CIFAR-10/100	Gambar kecil (32x32)	60k gambar	Klasifikasi gambar
Pascal VOC	Objek & segmentasi	10k+ gambar	Deteksi, segmentasi
Open Images	Objek dunia nyata (besar)	9+ juta gambar	Deteksi, klasifikasi
UCF101	Video aksi manusia	13k video	Action recognition
Kinetics	Video YouTube	400k+ klip	Video understanding
LFW	Wajah manusia	13k gambar	Face recognition/verification