II BOB. TASVIRLARGA ISHLOV BERISH ALGORITMI VA AMALIYOTDA

12 
kontrastni sozlash va tasvirni normallashtirish kabi operatsiyalarni o'z ichiga olishi 
mumkin. 
2.1.7.
Xususiyatlarni chiqarish (Feature Extraction): Xususiyatlarni ajratib 
olish tasvirni raqamlashtirishda muhim qadamdir. Bu keyingi tahlil qilish uchun 
ishlatilishi mumkin bo'lgan tasvirlardan mazmunli xususiyatlarni aniqlash va 
ajratib olishni o'z ichiga oladi. Bu funksiyalar aniq vazifaga qarab qirralar, 
burchaklar, teksturalar, rangli gistogrammalar yoki murakkabroq deskriptorlarni 
o'z ichiga olishi mumkin. 
2.1.8
. Neyron tarmoqlar ( Neural Networks): Neyron tarmoqlar, ayniqsa 
chuqur o'rganish modellari tasvirni raqamlashtirishda inqilob qildi. Konvolyutsion 
neyron tarmoqlari (CNN) tasvirlarni tasniflash, ob'ektlarni aniqlash va tasvirni 
segmentatsiyalash kabi vazifalar uchun keng qo'llaniladi. CNN tasvirlardan 
ierarxik tasvirlarni avtomatik ravishda o'rganish uchun mo'ljallangan, bu ularni 
tasvirni tahlil qilish uchun juda samarali qiladi. 
2.1.9
. Ob'ektni aniqlash (Object Detection and Recognition): Ob'ektni 
aniqlash algoritmlari tasvirlar ichidagi aniq ob'ektlarni aniqlash va joylashtirishga 
qaratilgan. Ob'ektni aniqlashning mashhur algoritmlari orasida Faster R-CNN, 
YOLO (You only Look bir marta) va SSD (Single Shot MultiBox Detector) 
mavjud. Ushbu algoritmlar ob'ektlarni aniq aniqlash va tasniflash uchun 
mintaqaviy taklif tarmoqlari va langar qutilari kabi usullardan foydalanadi. 
2.1.10.
Tasvir 
segmentatsiyasi 
(Image 
Segmentation): 
Tasvirni 
segmentatsiyalash algoritmlari tasvirni mazmunli hududlar yoki segmentlarga 
ajratadi. Ushbu jarayon ob'ektni kuzatish, tasvirni tahrirlash va tibbiy tasvirni tahlil 
qilish kabi vazifalar uchun foydalidir. Ommabop segmentatsiya algoritmlariga U-
Net, Mask R-CNN va GrabCut kiradi, ular piksel klasterlash, grafiklarni kesish 
yoki chuqur o'rganishga asoslangan yondashuvlarni qo'llaydi. 
2.1.11.
Optik 
belgilarni 
aniqlash 
(OCR): 
OCR 
tasvirlarni 
raqamlashtirishning o'ziga xos ilovasi bo'lib, u tasvirlardan matn olishga 

13 
qaratilgan. OCR algoritmlari tasvirlardagi matnni mashinada o'qiladigan formatga 
aylantirish uchun belgilarni aniqlash, matnni mahalliylashtirish va matn 
segmentatsiyasi kabi usullardan foydalanadi. 
2.1.12.
Generativ tarmoqlari (GANs): GANlar haqiqiy tasvirlarni yaratish 
uchun keng qo'llaniladigan neyron tarmoqlar sinfidir. Ular yangi tasvirlarni 
yaratadigan generator tarmog'idan va haqiqiy va yaratilgan tasvirlarni farqlashga 
harakat qiladigan diskriminator tarmog'idan iborat. GAN-larda tasvir sintezi, 
tasvirning o'ta aniqligi va tasvir uslubini uzatishda ilovalar mavjud. 
2.1.13.
Ma’lumotni uzatish (Transfer Learning): Ma’lumotni uzatish - bu 
ImageNet kabi katta ma'lumotlar to'plamlarida o'qitilgan CNN kabi oldindan 
o'rgatilgan modellar tasvirni raqamlashtirishning yangi vazifalari uchun 
boshlang'ich nuqta sifatida foydalaniladigan usul. Oldindan oʻrgatilgan 
modellardan oʻrganilgan xususiyatlardan foydalangan holda, uzatishni oʻrganish 
kichikroq maʼlumotlar toʻplamlarida tezroq va aniqroq oʻqitish imkonini beradi. 
2.1.14.
Baholash 
ko'rsatkichlari 
(Evaluation 
Metrics): 
Tasvirni 
raqamlashtirish algoritmlarining ishlashini baholashda vazifaga qarab turli 
baholash ko'rsatkichlari qo'llaniladi. Masalan, tasvirlarni tasniflashda aniqlik, 
aniqlik, eslab qolish va F1 ball kabi ko'rsatkichlar odatda qo'llaniladi. Ob'ektni 
aniqlash vazifalarida o'rtacha o'rtacha aniqlik (mAP) kabi ko'rsatkichlar 
qo'llaniladi. 
2.1.15.
Rasmni ro'yxatdan o'tkazish (Image Registration): Rasmni ro'yxatga 
olish - bu bir xil yoki ob'ektning bir nechta tasvirlarini umumiy koordinatalar 
tizimiga moslashtirish jarayoni. Ko'pincha tibbiy tasvirlash, masofadan zondlash 
va tasvirni tikish ilovalarida qo'llaniladi. Ro'yxatga olish algoritmlari tasvirlarni 
to'g'ri tekislash uchun xususiyatlarni moslashtirish, intensivlikka asoslangan 
usullar yoki geometrik o'zgarishlar kabi usullardan foydalanadi. 
2.1.16
. Tasvirni tiklash (Image Restoration): Tasvirni tiklash algoritmlari 
shovqinni kamaytirish, xiralikni olib tashlash yoki tasvir buzilishlarining boshqa 

14 
turlarini bartaraf etish orqali buzilgan tasvirlarni tiklash yoki yaxshilashga 
qaratilgan. Umumiy usullarga Gauss filtrlash kabi denoising algoritmlari, ko'r-
ko'rona dekonvolyutsiya kabi noaniq algoritmlar va teskari muammolar va tartibga 
solishga asoslangan tiklash usullari kiradi. 
2.1.17.
Tasvirni siqish: Tasvirni siqish algoritmlari vizual sifatini saqlab, 
raqamli tasvirlarning hajmini kamaytiradi. Huffman kodlash va ish uzunligini 
kodlash kabi yo'qotishsiz siqish usullari aniq tasvir ma'lumotlarini saqlaydi. JPEG 
va MPEG kabi yo'qotilgan siqish usullari kamroq sezuvchanlik ahamiyatiga ega 
bo'lmagan tasvir tafsilotlarini tanlab tashlab, yuqori siqish nisbatlariga erishadi. 
Ta'kidlash joizki, tasvirni raqamlashtirish - bu keng ko'lamli va 
rivojlanayotgan soha bo'lib, doimiy izlanishlar va yutuqlar. Chuqur o'rganish, 
kompyuterni ko'rish va sun'iy intellekt sohasidagi yutuqlarga asoslangan yangi 
algoritmlar, arxitekturalar va texnikalar paydo bo'lishda davom etmoqda. Ushbu 
yutuqlar tasvirlardan ma'lumotlarni tahlil qilish va olishning aniqroq, samarali va 
ko'p qirrali usullarini ta'minlaydi. 

Download 1,19 Mb.