Mahasiswa Sains Data Pahami CNN untuk Segmentasi Gambar Bersama Praktisi Mengajar

Program Studi Sains Data Universitas Negeri Surabaya (UNESA) kembali menggelar kuliah Praktisi Mengajar Pengolahan Citra Digital Part 2 pada 24 April 2026, yang berjudul CNN for Image Segmentation, dengan menghadirkan Bapak Muhammad Rifki Kurnivawan Rifki, Ph.D Candidate di University of Rochester, USA.

Dalam sesi tersebut, Pak Rifki memaparkan secara mendalam mengenai evolusi Convolutional Neural Networks (CNN), khususnya untuk segmentasi gambar.

Beliau menjelaskan bahwa jika klasifikasi hanya mengekstrak informasi secara global untuk menentukan kategori seluruh gambar, maka segmentasi bertujuan untuk mengklasifikasikan setiap piksel secara individu. "Kita membutuhkan informasi secara mendetail terkait dengan input spasial kita, bahkan detail tiap pikselnya" jelasnya.

Hal ini menjadi krusial dalam berbagai aplikasi modern, seperti sistem kemudi otonom (autonomous driving) untuk mendeteksi batas jalan dan kendaraan lain, hingga deteksi bencana alam seperti luas area banjir.

Kuliah ini membahas tiga jenis utama segmentasi:

1. Semantic Segmentation: Mengelompokkan piksel berdasarkan kategori kelas tanpa membedakan antar individu objek.
2. Instance Segmentation: Membedakan tiap individu objek meskipun berada dalam kategori yang sama.
3. Panoptic Segmentation: Gabungan keduanya yang mampu mendeteksi objek yang bisa dihitung sekaligus latar belakang seperti langit atau laut.

Beberapa arsitektur populer turut dibahas, mulai dari FCN (Fully Convolutional Networks) yang memperkenalkan penggunaan 1x1 convolution untuk menjaga informasi spasial, hingga U-Net yang sangat dominan di bidang medis karena struktur encoder-decoder simetris dan penggunaan skip connection. Selain itu, dipaparkan pula PSPNet yang unggul dalam menangkap konteks global melalui fitur multiple scale pooling.

Selain materi dasar, Pak Rifki membagikan riset terbarunya mengenai Continual Learning. Bidang ini menjawab tantangan catastrophic forgetting, yaitu kondisi di mana model "lupa" akan pengetahuan lama saat mempelajari data baru.

Menutup sesi, Beliau menekankan pentingnya karakter bagi mahasiswa yang ingin terjun ke dunia riset computer vision. Selain kemampuan teknis seperti bahasa pemrograman Python dan framework PyTorch, rasa ingin tahu yang tinggi untuk terus membaca jurnal (paper) terbaru menjadi kunci utama.

"Pondasi seperti deep networks itu penting, namun keingintahuan untuk terus menelusuri perkembangan ilmu adalah hal yang jauh lebih krusial," pungkasnya dalam sesi diskusi bersama mahasiswa.