|
-BOB. BITIRUV OLDI AMALIYOTI JARAYONIDA, BITIRUV ISHI UCHUN ISHLAB CHIQILGAN MASALALAR
|
| bet | 11/13 | | Sana | 16.05.2024 | | Hajmi | 1,94 Mb. | | #236818 |
Bog'liq xurshid3-BOB. BITIRUV OLDI AMALIYOTI JARAYONIDA, BITIRUV ISHI UCHUN ISHLAB CHIQILGAN MASALALAR
3.1 Amaliy qism
Modelni noldan o'rgatish uchun train.ipynb skriptini qo`llaymiz. Modelni o'rgatish uchun Fire-Dataset-ni yuklab olamiz va uni ma'lumotlar to'plamlari papkasiga qo'ya,iz. Bu maʼlumotlar toʻplami Kaggle’dagi Fire & Smoke va Fire & Guns maʼlumotlar toʻplamidan namunalarni oʻz ichiga oladi va bunda biz tutun va quroldan iborat tasvirlar va izohlarni hamda past aniqlikdagi tasvirlarni filtrladim va keyin izoh fayllaridagi yong‘in izohi yorlig‘ini o‘zgartiramiz.
Boshida biz maʼlumotlarimizni juda oddiy va intuitiv tarzda qayta ishlaymiz (yuklash, oʻlchamini oʻzgartirish, kulrang rangga aylantirish, teglar yaratish). Model kulrang rangdagi tasvirlardan foydalanmoqda, chunki men uchun rentgen tasvirlarini rangli tasvirlar sifatida ishlatish juda mantiqiy emas edi.
Biz torch, pandas, tensorflow, matplotlib va seaborn kabi standart kutubxonalaridan foydalanamiz. Glob va os kabi ba’zi qo‘shimcha kutubxonalardan foydalaniladi.
3.1-rasm. Dastur kodidan namunalar
Yong'inni aniqlash natijalari, garchi model bir necha davrlar uchun o'qitilgan bo'lsa ham, juda yaxshi edi. Biroq, men o'qitilgan model politsiya mashinasi ustidagi qizil favqulodda chiroqni olov deb taxmin qilishini kuzatdim. Buning sababi o'quv ma'lumotlar to'plamida bir necha yuzlab salbiy namunalar mavjud bo'lishi mumkin. Biz bunday muammoni hal qilishimiz va yorliqlanmagan yong'in ob'ektlari bilan tasvirlarni salbiy namunalar sifatida qo'shish orqali modelning ishlashini yanada yaxshilashimiz mumkin.
3.2-rasm. Fon tasvirlari orqali bashorat
Ushbu tekshiruv natijalari tutun va yong'inni aniqlash tizimining samaradorligini aniqlash uchun chuqur o'rganishga asoslangan boshqa modellar bilan taqqoslandi. Tanlov mezonlari CNN-ga asoslangan modellardan foydalanishga va joriy yondashuvlarni tasniflash texnikasiga (tutun va yong'in) asoslangan.
Tutun paydo bo'lishi haqida gap ketganda juda ko'p noto'g'ri ijobiy va noto'g'ri salbiy holatlar mavjud bo'lsa-da, bizning modelimiz ichki va tashqi muhitdagi olovni yuqori aniqlik bilan aniqlay oladi. Aniqlash tizimini baholash uchun dasturning demo versiyasi shaxsiy kompyuterda sinovdan o'tkazildi. Simulyatsiya qilingan signal tizimining konfiguratsiyasini yaratish uchun OpenCV kutubxonasining o'ynash moduli ishlatilgan. Olingan tasvir ramkalari orqali tutun yoki yuzaga kelishi mumkin bo'lgan yong'in aniqlangandan so'ng, signal ovozi chiqariladi va foydalanuvchi potentsial xavf haqida xabardor qilinadi.
YOLOv5 ni yaratgan mualliflar noto'g'ri pozitivlarni kamaytirishga yordam berish uchun taxminan 0-10% fon tasvirlaridan foydalanishni tavsiya qiladi. Quyidagi diagrammalar 10 davr uchun yong'in ma'lumotlar to'plamida kirish o'lchami 640x640 bo'lgan YOLOv5-larni o'qitishdan so'ng yaratilgan (3.3-rasm).
|
| |
