Arrie Kurniawardhani

Arrie Kurniawardhani memiliki keahlian akademik yang berfokus pada pengembangan sistem cerdas berbasis visi komputer dan pembelajaran mesin, dengan penekanan kuat pada arsitektur deep learning terkini. Dalam lima tahun terakhir, risetnya secara dominan menerapkan Convolutional Neural Network (CNN) dan variannya, seperti MobileNetV2 dan YOLO, untuk berbagai tugas deteksi dan klasifikasi objek. Publikasi terbaru menunjukkan spesialisasi pada deteksi objek di lingkungan ritel, seperti sistem On-Shelf Availability menggunakan YOLOv11 dan semi-supervised learning, serta deteksi kematangan biji kopi dengan MobileNetV2. Di sisi lain, ia juga mengeksplorasi arsitektur transformer mutakhir, seperti Swin Transformer V2 untuk segmentasi tumor otak multimodal dan encoder-only transformer untuk deteksi intrusi jaringan, yang menandai pergeseran ke arah model yang lebih kompleks dan multimodal. Bidang augmented reality (AR) juga menjadi fokus berkelanjutan, terutama untuk edukasi sains di sekolah menengah dan pelestarian warisan budaya, seperti penceritaan relief candi dan game sejarah. Sebelumnya, risetnya mencakup pengenalan emosi dari suara dan wajah, deteksi cacat pada citra, serta segmentasi citra medis, yang kini berevolusi menjadi sistem yang lebih terintegrasi dan aplikatif. Secara keseluruhan, keahliannya bertumpu pada penerapan deep learning untuk solusi visi komputer yang praktis, dengan arah riset mutakhir yang menekankan efisiensi model, multimodalitas, dan aplikasi langsung di industri ritel, kesehatan, serta pendidikan berbasis AR.