|
Ikkinchi bob yuzasidan xulosalar
|
| bet | 20/24 | | Sana | 20.05.2024 | | Hajmi | 62,19 Kb. | | #246765 |
Bog'liq Diplom ishi RaximovIkkinchi bob yuzasidan xulosalar
Har bir algoritmning o'ziga xos afzalliklari va kamchiliklari mavjud, va ularning samaradorligi qo'llaniladigan muhit va maqsadlarga bog'liq. Masalan, tezkor va kam resurs talab etadigan sistemalar uchun PCA yoki LBPH mos kelishi mumkin, qiyinroq sharoitlar va yuqori aniqlilik talab etiladigan ilovalar uchun esa CNN yoki LDA afzalroqdir. Ushbu algoritmlarni tanlashda, ma'lumotlarning mavjudligi, hisoblash quvvati, va muhitning o'ziga xos xususiyatlarini inobatga olish kerak.
III BOB VIDEO KUZATUV ORQALI INSON SHAXSINI ANIQLASH VA TANIB OLISH DASTURINI ISHLAB CHIQISH
3.1 Open cv , face-recognition, deepface kutubxonalari
Yuzni tanib olish uchun mo'ljallangan ko'plab kutubxonalar mavjud, ularning har biri turli xil texnologiyalar va yondashuvlarni qo'llaydi. Quyida eng mashhur yuzni tanib olish kutubxonalaridan ba'zilari keltirilgan:
OpenCV
OpenCV (Open Source Computer Vision Library) eng ko'p qo'llaniladigan kompyuter ko'rish kutubxonalari orasida va u yuzni tanib olish uchun keng qo'llaniladi. OpenCV yuzni tanib olish uchun haqiqiy vaqt rejimida ishlovchi algoritmlarni taqdim etadi, jumladan Haar feature-based cascade classifiers va deep learning-based models.
Dlib
Dlib C++ kutubxonasi, o'z ichiga ko'plab mashinasozlik va kompyuter ko'rish algoritmlarini oladi. U yuzni tanib olish uchun juda samarali HOG (Histogram of Oriented Gradients) yondashuvini qo'llaydi. Dlib shuningdek, deep learning modellari yordamida yuzni tanib olishni ham qo'llab-quvvatlaydi.
Face Recognition
Python uchun yaratilgan "face_recognition" kutubxonasi, Dlib kutubxonasining yuzni tanib olish imkoniyatlaridan foydalanadi. Bu kutubxona juda oson ishlatilishi mumkin va faqat bir nechta qator kod bilan yuzlarni tanib olish va taqqoslash imkonini beradi.
MTCNN
MTCNN (Multi-task Cascaded Convolutional Networks) deep learning modeli, yuzlarni aniqlash, yuz joylarini belgilash (landmark detection) va yuzlarni tasniflash uchun ishlatiladi. Bu model yuz joylarini aniqlashda juda aniq natijalar beradi va ko'plab real vaqt yuz tanib olish ilovalarida qo'llaniladi.
TensorFlow ve PyTorch
TensorFlow va PyTorch kabi umumiy maqsadli sun'iy intellekt kutubxonalari ham yuzni tanib olish modellarini qo'llab-quvvatlaydi. Ular orqali foydalanuvchilar o'zlarining yuz tanib olish tizimlarini noldan yaratishlari yoki mavjud modellarni moslashtirishlari mumkin.
Azure Face API, AWS Rekognition, ve Google Cloud Vision API
Bular bulut asosidagi yuzni tanib olish xizmatlari bo'lib, ulardan dasturchilar o'z ilovalariga yuzni tanib olish funktsiyalarini tezkor va oson qo'shishlari mumkin. Ushbu xizmatlar yuqori darajada aniqlik va miqyoslanuvchanlikni ta'minlaydi, ammo ular uchun internetga ulanish va doimiy to'lov talab etiladi.
Har bir yuzni tanib olish kutubxonasi va xizmati o'ziga xos xususiyatlar va imkoniyatlarga ega. Ularning tanlanishi loyiha talablariga, ishlatiladigan texnologiyalarga va kerakli resurslarga qarab amalga oshiriladi.
Open CV
OpenCV (Open Source Computer Vision Library) kompyuter ko'rish bilan bog'liq turli xil ilovalarni ishlab chiqish uchun mo'ljallangan ochiq manba kodli kutubxonadir. Python, C++, Java va boshqa tillarda dasturlash uchun interfeyslar mavjud. Bu kutubxona real vaqt rejimida ishlaydigan ilovalar uchun juda mos keladi, chunki u tezkor va samarali hisoblanadi. OpenCV asosan C++ tilida yozilgan bo'lib, ko'p platformalarda ishlay oladi, jumladan Windows, Linux, Mac OS, va hatto mobil qurilmalarda ham.
|
| |
