YOSH OLIMLAR
ILMIY-AMALIY KONFERENSIYASI
in-academy.uz/index.php/yo
119
TASVIRLARDAGI OBYEKTLAR VA NAQSHLARNI TANIB OLISH UCHUN
MASHINANI O’RGANISH ALGORITMLARDAN FOYDALANISH
Sodiqov Odilbek Nodirbek o‘g‘li
Andijon Mashinasozlik Instituti talabasi
Email: odilbeksodiqov006@gmail.com
Andijon, O’zbekiston
Telefon raqam: +998 770074330
https://doi.org/10.5281/zenodo.14636157
Annotatsiya
Ushbu maqolada mashinani o'rganish algoritmlarining tasvirlardagi obyektlar va
naqshlarni tanib olishdagi qo'llanilishi, jumladan CNN, RNN, LSTM va GAN texnikalari,
shuningdek, ularning tibbiyot, avtomobil sanoati, xavfsizlik va dizayn sohalaridagi ahamiyati
ko'rib chiqiladi.
Аннотация
Статья рассматривает использование алгоритмов машинного обучения для
распознавания объектов и узоров на изображениях, включая такие методы как CNN,
RNN, LSTM и GAN. Также обсуждаются их применения в здравоохранении,
автомобилестроении, безопасности и дизайне.
Abstract
This article explores the use of machine learning algorithms for object and pattern
recognition in images, highlighting techniques such as CNN, RNN, LSTM, and GAN. It covers
their applications in healthcare, automotive, security, and design, demonstrating their impact
in various industries.
Kalit so'z:
Mashinani o'rganish, Obyektlarni tanib olish, Naqshlarni tanib olish, CNN, RNN, LSTM,
GAN, Tasvirlarni qayta ishlash, Tibbiyot, Avtomobil sanoati, Xavfsizlik, Dizayn.
Ключевые слова:
Машинное обучение, Распознавание объектов, Распознавание узоров, CNN, RNN,
LSTM,
GAN,
Обработка
изображений,
Здравоохранение,
Автомобильная
промышленность, Безопасность, Дизайн.
Keywords:
Machine Learning, Object Recognition, Pattern Recognition, CNN, RNN, LSTM, GAN, Image
Processing, Healthcare, Automotive, Security, Design.
Tasvirni Tanib Olish: Asosiy Konseptlar
Tasvirni tanib olish — bu kompyuterlar tomonidan tasvirlar yoki videolardan ma'lumot
olish jarayonidir. Tasvirlar odatda rasm, video yoki grafikalardan iborat bo'lib, ular maxsus
algoritmlar orqali tahlil qilinadi. Tasvirni tanib olish jarayonida asosiy maqsad — tasvirdagi
obyektlarni yoki naqshlarni aniqlash, tasvirni segmentatsiya qilish yoki tasvirga oid boshqa
xususiyatlarni chiqarib olishdir.
Tasvirlarni tanib olish uchun quyidagi asosiy yondashuvlar qo'llaniladi:
Obyektni aniqlash (Object Detection): Tasvirda ma'lum obyektlarni (masalan,
avtomobillar, odamlar, hayvonlar) aniqlash.
Yuzni tanish (Face Recognition): Yuzlar va shaxslarni identifikatsiya qilish.
YOSH OLIMLAR
ILMIY-AMALIY KONFERENSIYASI
in-academy.uz/index.php/yo
120
Naqshni tanib olish (Pattern Recognition): Tasvirdagi shakl va naqshlarni aniqlash, ularni
sinflarga ajratish.
Mashinani O’rganish Algoritmlari
Tasvirlarni tahlil qilishda mashinani o'rganish algoritmlaridan keng foydalaniladi. Bu
algoritmlar tasvirlardan ma'lumot olishni avtomatik ravishda amalga oshiradi. Quyidagi
mashhur mashinani o'rganish algoritmlari tasvirlar bilan ishlashda qo'llaniladi:
Konvolyutsion neyron tarmoqlari (CNN)
Konvolyutsion neyron tarmoqlari (CNN) tasvirlarni tanib olish va tahlil qilishda eng
samarali va keng tarqalgan algoritmlardan biridir. CNN’lar tasvirlarni turli xil qatlamlarga
ajratib, har bir qatlamda tasvirning xususiyatlarini o'rganadi. CNN yordamida tasvirlardagi
obyektlarni aniqlash, ularni segmentatsiya qilish va naqshlarni tanish osonlashadi.
Konvolyutsiya: Tasvirga filtr qo'llash orqali xususiyatlarni aniqlash.
Pooling: Tasvirni o'lchamini kamaytirish, ma'lumotni soddalashtirish.
Full Connection: Chuqur tarmoqlarda tasvirni yakuniy sinfga ajratish.
CNN’lar tasvirni tanib olishda juda yuqori samaradorlikka ega va hozirda ko'plab tasvirga
asoslangan ilovalarda qo'llaniladi.
Qayta takrorlanadigan neyron tarmoqlari (RNN) va LSTM
RNN (Recurrent Neural Networks) va LSTM (Long Short-Term Memory) tarmoqlari,
odatda, vaqt bo'yicha ketma-ketliklarni tahlil qilish uchun ishlatiladi. Biroq, bu tarmoqlar
tasvirdagi naqshlarni aniqlashda ham qo'llanilishi mumkin, ayniqsa, harakatni tahlil qilish yoki
videolarni tahlil qilishda. LSTM tarmoqlari o'zining uzoq muddatli xotira qobiliyati bilan
tasvirlar orasidagi bog'lanishni o'rganishga yordam beradi.
Generativ raqobatli tarmoqlar (GAN)
Generativ raqobatli tarmoqlar (GAN) ikki neyron tarmoqdan iborat bo'lib, biri tasvirlarni
yaratishga, ikkinchisi esa tasvirning haqiqiyligini baholashga intiladi. GAN'lar tasvirlarni
yaratish va ularni manipulyatsiya qilishda juda samarali, shuningdek, naqshlarni yaratishda
yoki mavjud naqshlarni tanib olishda qo'llaniladi.
Tasvirdagi Naqshlarni Tanib Olish
Naqshlarni tanib olish tasvirlarni matematik usullar bilan tahlil qilish va ularning ichidagi
takrorlanuvchi shakllarni aniqlash jarayonidir. Masalan, naqshlarni tanib olish sohasida eng
ko'p uchraydigan vazifalardan biri — matnli naqshlarni aniqlashdir. Bunday vazifalar uchun
CNN va GAN’lar kabi algoritmlar ishlatiladi, chunki ular ko'plab takrorlanuvchi xususiyatlarga
ega naqshlarni samarali tarzda aniqlay oladi.
Naqshlarni tanib olishni amalga oshirishda qo'llaniladigan asosiy metodlar:
Xususiyatlarni ekstraktsiya qilish (Feature Extraction): Naqshlarni tanib olish uchun,
tasvirdagi muhim xususiyatlar ajratiladi. Bu jarayonda texnikalar sifatida Sobel filtrasi, HOG
(Histogram of Oriented Gradients) yoki SIFT (Scale-Invariant Feature Transform) kabi usullar
ishlatiladi.
Sinflarga ajratish (Classification): Naqshlar aniqlangandan so'ng, ular tegishli sinflarga
ajratiladi. Bu jarayonda mashinani o'rganish algoritmlari, ayniqsa, CNN, SVM (Support Vector
Machine) va qaror daraxtlari (Decision Trees) ishlatiladi.
Qo'llanish So'halari
YOSH OLIMLAR
ILMIY-AMALIY KONFERENSIYASI
in-academy.uz/index.php/yo
121
Tibbiyot: Tibbiy tasvirlarni tahlil qilishda mashinani o'rganish algoritmlari keng
qo'llaniladi. Masalan, rentgen tasvirlari, MR-tasvirlar va boshqa tibbiy tasvirlarni tahlil qilishda
obyektlarni aniqlash va naqshlarni tanib olish jarayonlari muhim ahamiyatga ega.
Avtomobil sanoati: Obyektlarni tanib olish texnologiyalari avtopilotli transport
vositalarini yaratishda asosiy rol o'ynaydi. Mashinani o'rganish algoritmlari yordamida
avtomobillar atrofidagi muhitni aniqlash, harakatlanuvchi obyektlarni tahlil qilish va ularga
qarshi harakat qilish mumkin.
Xavfsizlik va kuzatuv: Xavfsizlik kameralaridagi tasvirlardan shaxslarni tanib olish,
noto'g'ri harakatlarni aniqlash, naqshlarni tahlil qilish va shunga o'xshash vazifalar mashinani
o'rganish algoritmlari yordamida amalga oshiriladi.
San'at va dizayn: Naqshlarni tanib olish texnologiyalari dizayn va san'at sohalarida ham
qo'llaniladi. Masalan, antik buyumlarni tahlil qilish yoki yangi naqshlarni yaratish jarayonlarida
bu texnologiyalar foydalidir.
References:
1.
LeCun, Y., Bengio, Y., & Hinton, G. E. (2015). Deep learning.
Nature
, 521(7553), 436-444.
2.
He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. In
Proceedings of the IEEE conference on computer vision and pattern recognition
(pp. 770-778).
3.
Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., ... & Bengio,
Y. (2014). Generative adversarial nets. In
Advances in neural information processing systems
(pp.
2672-2680).
