7-ma’ruza. Mavzu: Raqamli tasvirlarning oldindan qayta ishlash bosqichlari. Reja

 
4. Chegarani ajratish va tasvirni segmentatsiyalash uchun noaniq ishlov 
berish algoritmi. 
Tasvirni oq va oq rangga o„tkazgandan so„ng, Sobel operatori yordamida 
gradientli tasvir olinadi va noaniq tasvirni qayta ishlash (FOI) kirishiga beriladi. 
Noma‟lum tasvirni qayta ishlash uchta asosiy bosqichdan iborat: tasvirni 
aniqlash, a‟zolik qiymatlariga asoslangan noaniq xulosa tizimi va tasvirni buzish. 
Asosiy noaniq tasvirni qayta ishlash o'rta bosqichda (noaniq xulosa tizimi).
Tasvir ma‟lumotlarini kulrang darajadan fuzifikatsiyaga o„tkazgandan so„ng, 
noaniq xulosa tizimi a‟zolik qiymatlari bilan aniqlanadi.
Fuzzifikatsiya - tasvir ma‟lumotlarini kodlash va buzilish - tasvirlarni noaniq 
usullar bilan qayta ishlashga imkon beradigan natijalarni dekodlash. 
Rasm - kulrang rang bilan o„lchami g=0.1,2,…, L-1va har bir pikselning 
oldindan belgilangan tasvir xususiyatiga (masalan, yorqinlik, silliqlik va hokazo) 
nisbatan a‟zolik qiymatini ko„rsatuvchi noaniq bir nuqta to„plami (noaniq 
to„plamlar faqat bitta nuqta bilan qo„llab-quvvatlanishi mumkin) sifatida 
belgilanishi mumkin. 
Noaniq to„plamlar belgisida pikselga tegishli bo„lish qaerda va qaerda. 
A‟zolik qiymatlarini aniqlash, ma‟lum bir ilovaning o„ziga xos talablariga va 
tegishli ma‟lumot bazasiga bog„liq. 
Kirish tizimi uchun tizim chiqishi quyidagi formula bilan berilgan: 
Y=D(M(F(X))). 
5. Neyron tarmoqlarini naqshlarni aniqlash uchun qo‘llash. 
Ko„p qavatli pertseptron - bu kirish qatlamini, neyronlarning bir yoki bir 
nechta hisoblash qatlamlarini va bitta chiqish qatlamini tashkil etuvchi bir nechta 
kirish tugunlaridan tashkil topgan suniy neyron tarmoq.
Bunday tarmoqlarda kirish qatlamiga qo„llaniladigan signal ketma-ket 
oldinga yo„nalishda qatlamdan qatlamga uzatiladi.
Bu turdagi ANN turli muammolarni hal qilishda, xususan, naqshni aniqlash 
muammosida muvaffaqiyatli ishlatiladi. 
Orqaga tarqatish neyron tarmog„i bir necha neyron qatlamlaridan iborat 
bo„lib, oldingi qatlamning har bir neyroni keyingi qatlamning har bir neyroniga 
ulanadi. Bunday tarmoqlarda, qatlamlar soni va har bir qatlam elementlari sonini 

---

aniqlagandan so„ng, bashorat qilinadigan xatoni minimallashtiradigan tarzda 
tarmoqning og„irliklari va ostonalari qiymatlarini hisoblash talab qilinadi.
Bu vazifa turli xil o„quv algoritmlari yordamida hal qilinadi. Bu 
algoritmlarning mohiyati tarmoqni o„quv ma‟lumotlariga moslashtirishdan iborat.
Amalga oshirilgan tarmoqning xatosi barcha kirish ma‟lumotlarini ishga 
tushirish va tarmoq chiqishida olingan haqiqiy qiymatlarni maqsadli qiymatlar 
bilan solishtirish orqali aniqlanadi. So„ngra, olingan farqlar umumiy tarmoq 
xatosini tavsiflovchi xato deb ataladigan umumiy funktsiyaga yig„iladi. Ammo 
ko„pincha xatolarning kvadratchalari yig„indisi xato funktsiyasi sifatida qabul 
qilinadi. 
Ko„p qavatli neyron tarmoqlarni o„rgatishning eng keng tarqalgan 
algoritmlaridan biri bu xatolarni orqaga qaytarish algoritmi.
Bu algoritm xato yuzasining gradient vektorini hisoblab chiqadi. Keyin biz 
ma'lum miqdorni vektor yo„nalishi bo„yicha harakatlantiramiz (bu bizga eng tik 
tushish yo„nalishini ko„rsatadi), bu erda xato qiymati kamroq bo„ladi.
Bunday izchil taraqqiyot asta -sekin xatoni minimallashtirishga olib keladi. 
Bu erda oldinga siljish miqdorini aniqlashda qiyinchilik tug„iladi.
Agar qadam o„lchami nisbatan katta bo„lsa, u eng tez tushishga olib keladi, 
lekin “sakrab o„tish” ehtimoli bor agar sirt juda murakkab shaklga ega bo„lsa, 
kerakli nuqtani yoki noto„g„ri tomonga o„ting. Masalan, agar yuzasi qiyaliklari tor 
tor jar bo„lsa, algoritm juda sekin siljiydi, bir qiyalikdan ikkinchisiga sakraydi.
Agar qadam o„lchami kichik bo„lsa, bu eng maqbul yo„nalishni topishga olib 
keladi, lekin takrorlanishlar sonini sezilarli darajada oshirishi mumkin.
Eng maqbul natijaga erishish uchun qadam o„lchami ma‟lum bir doimiy - 
o„qish tezligi bilan qiyalikning tikligiga mutanosib ravishda olinadi.
Bu doimiyni tanlash eksperimental tarzda amalga oshiriladi va muayyan 
muammoning shartlariga bog„liq. 
Keling, quyidagi belgi bilan tanishtiraylik. Biz og„irlik matritsasini kirishdan 
yashirin qatlamgacha, va yashirin va chiqish qatlamlarini bog„laydigan og„irliklar 
matritsasini belgilaymiz. Indekslar uchun biz quyidagi yozuvlardan foydalanamiz: 
kirishlar faqat indeks bilan, yashirin qatlam elementlari - indeks bilan, chiqishlar - 
indeks bilan raqamlanadi. Tarmoq kirishlar soni teng, yashirin qatlamdagi 
neyronlar soni, chiqish qatlamidagi neyronlar soni.
Tarmoq namuna bo„yicha o„rgatilsin. 
Keyin ko„p qavatli pertseptonni o„qitish algoritmi quyidagicha bo„ladi. 
Qadam 1. Tarmoqni ishga tushirish. Og„irliklar kichik tasodifiy qiymatlar 
bilan belgilanadi, masalan, diapazondan (-0.3, 0.3); o„rnatiladi – mashg„ulot 
aniqligi parametri, - o„qish tezligi parametri (qoida tariqasida va o„quv jarayonida 
yanada kamaytirilishi mumkin), - ruxsat etilgan maksimal takrorlash soni. 
Qadam 2. Joriy chiqish signalini hisoblang. Ta‟lim namunasining 
rasmlaridan biri tarmoqning kirish qismiga uzatiladi va neyron tarmog„ining 
barcha neyronlarining chiqish qiymatlari aniqlanadi. 
Qadam 3. Sinoptik og'irliklarni o'rnatish. Formulalar yordamida neyron 
tarmog„ining chiqish qatlami uchun og„irliklar o„zgarishini hisoblang: 

---

Formulalar yordamida yashirin qatlamning og„irlikdagi o„zgarishini 
hisoblang:
Qadam 4. 2-3-bosqichlar barcha o„quv vektorlari uchun takrorlanadi. O„quv 
mashg„ulotining har bir tasviri uchun xato funktsiyasi xato funktsiyasining e dan 
oshmagan qiymatiga yetganda yoki ruxsat etilgan maksimal takrorlanish sonidan 
keyin tugaydi.
2-bosqichda, mashg„ulotlar ketma-ketligidan kirishgacha bo„lgan vektorlarni 
tasodifiy tartibda taqdim etish yaxshiroqdir. Tarmoqning kirish va chiqish soni, 
qoida tariqasida, muammoning shartlariga bog„liq va yashirin qatlamning o„lchami 
eksperimental tarzda topiladi. Odatda undagi neyronlar soni kirish sonining 30-
50% ni tashkil qiladi.
Yashirin qatlamda juda ko„p neyronlar tarmoqni umumlashtirish qobiliyatini 
yo„qotishiga olib keladi (u shunchaki o„quv namunasining elementlarini yaxshilab 
eslab qoladi va shunga o„xshash naqshlarga javob bermaydi, bu tan olish vazifalari 
uchun qabul qilinishi mumkin emas). Agar yashirin qatlamdagi neyronlar soni juda 
oz bo„lsa, tarmoq shunchaki o„rgana olmaydi. 
 
Nazorat savollari: 
1. Tasvirni qayta ishlashning mohiyati nimada? 
2. Texnik ko„rish tizimida noaniq tizim yordamida tasvirni qayta ishlash algoritmi 
qanday? 
3. Oldindan ishlov berish paytida tasvirni binarizatsiya qilish jarayoni nimalardan 
iborat? 
4. Chegarani ajratish va tasvirni segmentatsiyalash uchun noaniq ishlov berish 
algoritmi qanday?
5. Neyron tarmoqlarini naqshlarni aniqlash uchun nimalar qo„llash mumkin. 
6. Tasvirni qayta ishlash jarayonida matematik formulalarning ahamiyati qanday?