Texnologiyalari va komunikatsiyalarini rivojlantirish vazirligi muxammad al-xorazmiy nomidagi toshkent

OBYEKT TASVIRLARINI TANISH 
Ob'ektni tanish - bu tasvirlar yoki videolardagi ob'ektlarning joylashuvini 
aniqlash uchun kompyuter ko'rish usuli. Ob'ektni aniqlash algoritmlari odatda 
ma'noli natijalarga erishish uchun mashinani o'rganish yoki chuqur o'rganishdan 
foydalanadi. Odamlar rasm yoki videoga qaraganida, biz bir necha daqiqada 
qiziqish ob'ektlarini taniy olamiz va joylashtiramiz. Ob'ektni aniqlashning maqsadi 
bu aqlni kompyuter yordamida takrorlashdir. Ob'ektlarni aniqlash ilg'or 
haydovchiga yordam tizimlari (ADAS) ortidagi asosiy texnologiya bo'lib, u 
avtomobillarga yo'l harakati xavfsizligini yaxshilash uchun haydash bo'laklarini 
aniqlash yoki piyodalarni aniqlash imkonini beradi. Ob'ektni aniqlash, shuningdek, 
video kuzatuv yoki tasvirni qidirish tizimlari kabi ilovalarda ham foydalidir. 
3-rasm. Obyektni aniqlash. 
Ob'ektni aniqlashni amalga oshirish uchun turli usullardan foydalanishingiz 
mumkin. R-CNN va YOLO v2 kabi konvolyutsion neyron tarmoqlardan (CNN) 
foydalangan holda chuqur o'rganishga asoslangan mashhur yondashuvlar 
avtomatik ravishda tasvirlar ichidagi ob'ektlarni aniqlashni o'rganadi. Deep 
learning yordamida ob'ektni aniqlashni boshlash uchun ikkita asosiy 
yondashuvdan birini tanlashingiz mumkin: 

---

Maxsus ob'ekt detektorini yaratish va uni o’qitish Maxsus ob'ekt detektorini 
noldan o'rgatish uchun siz qiziqqan ob'ektlar uchun xususiyatlarni o'rganish uchun 
tarmoq arxitekturasini loyihalashingiz kerak. Bundan tashqari, CNNni o'qitish 
uchun etiketli ma'lumotlarning juda katta to'plamini kompilyatsiya qilishingiz 
kerak. Maxsus ob'ekt detektorining natijalari ajoyib bo'lishi mumkin. Ya'ni, siz 
CNN-da qatlamlar va og'irliklarni qo'lda sozlashingiz kerak, bu ko'p vaqt va o'quv 
ma'lumotlarini talab qiladi. 
Oldindan tayyorlangan ob'ekt detektoridan foydalanish Chuqur o'rganishdan 
foydalangan holda ko'plab ob'ektlarni aniqlash ish oqimlari uzatishni o'rganishdan 
foydalanadi, bu sizga oldindan tayyorlangan tarmoqdan boshlash va keyin uni 
ilovangiz uchun sozlash imkonini beradi. Bu usul tezroq natijalar berishi mumkin, 
chunki ob'ekt detektorlari allaqachon minglab, hatto millionlab tasvirlarda 
o'qitilgan. Maxsus ob'ekt detektorini yaratasizmi yoki oldindan tayyorlanganidan 
foydalanasizmi, siz qaysi turdagi ob'ektni aniqlash tarmog'idan foydalanmoqchi 
ekanligingizni hal qilishingiz kerak: ikki bosqichli tarmoq yoki bir bosqichli 
tarmoq. 
4-rasm. O’qitilgan model orqali obyektlarni aniqlash. 

---

Tabiiy tasvirlarda ko'p sonli o'ziga xos toifadagi ob'ektlarni aniqlashga 
qaratilgan ob'ektlarni aniqlash kompyuter ko'rish sohasidagi asosiy, ammo qiyin 
vazifadir. So'nggi yillarda ob'ektni aniqlashda chuqur CNN yordamida, asosan, 
mustahkam xususiyatlarni namoyish qilish qobiliyati tufayli sezilarli yutuqlarga 
erishildi. Ushbu maqolaning maqsadi chuqur o'rganish davrida ob'ektni 
aniqlashning so'nggi yaxshilanishlari haqida oddiy, ammo keng qamrovli so'rovni 
taqdim etishdir. 100 dan ortiq asosiy hissalar asosan besh yo'nalish bo'yicha 
o'rganiladi: 
arxitektura diagrammasi, 
kontekstli 
fikrlash, ko'p qatlamli 
ekspluatatsiya, o'qitish strategiyasi va boshqalar, ular real vaqtda ob'ekt 
detektorlari va RNN va GAN-dan olingan g'oyani o'z ichiga olgan boshqa 
yutuqlarni o'z ichiga oladi. Biz keng qo'llaniladigan mezon va ko'rsatkichlar 
bo'yicha keng qamrovli, ammo to'g'ridan-to'g'ri eksperimental taqqoslashlarni 
muhokama qilamiz. Ushbu sharh kelajakdagi tadqiqotlar uchun istiqbolli 
tendentsiyalarni taqdim etish bilan yakunlanadi. 

---