• Convolutions. ( Konvolyutsion qatlamlar).
  • Subsampling (Birlashtiruvchi qatlamlar).
  • Fully connected
  • Mavzu: cnn asosida tasvirlarni sinflashtirish masalasini yechish




    Download 1,54 Mb.
    Pdf ko'rish
    Sana18.12.2023
    Hajmi1,54 Mb.
    #123058
    Bog'liq
    Yusupov Boburbek 5 alaliyot



    913-21 guruh talabasi
    Yusupov Boburbekning
    5-Amaliyot ishi 
    Mavzu:CNN asosida tasvirlarni sinflashtirish masalasini yechish. 
    Tasvir tasnifi ma'lumotlar to'plamidagi ba'zi naqshlarni kuzatish tasvirdan 
    xususiyatlarni ajratib olishni o'z ichiga oladi. Tasvirlarni tasniflash uchun ANNdan 
    foydalanish hisoblash nuqtai nazaridan juda qimmatga tushadi, chunki o'rgatish 
    mumkin bo'lgan parametrlar juda katta bo'ladi. 
    CNN-lardan foydalanganda filtrlardan foydalaniladi. Filtrlar maqsadiga ko'ra 
    juda ko'p turlari mavjud. 
    1-rasm. Turli filtrlar va ularning effektlariga misollar. 
    Konvolyutsiya, asosan, uchinchi funktsiyani hosil qilish uchun ikkita 
    funktsiyani nuqtaga ko'paytirishni anglatadi. Bu erda bir funktsiya tasvir piksellar 
    matritsasi, ikkinchisi esa filtrdir. Filtr tasvir ustiga suriladi va ikkita matritsaning 


    qiymati olinadi. Olingan matritsa "Faollashtirish xaritasi" yoki "Xususiyatlar 
    xaritasi" deb ataladi. 
    2-rasm.Tasvirdan xususiyatlarni chiqaradigan bir nechta konvolyutsion 
    qatlamlar va nihoyat chiqish qatlami mavjud. 
    Tasvirlarni tasniflash kirish tasvirlariga teglar yoki sinflarni belgilashni o'z 
    ichiga oladi. Bu nazorat ostidagi o'quv vazifasi bo'lib, unda model ko'rinmas 
    tasvirlar sinfini bashorat qilish uchun yorliqli tasvir ma'lumotlariga o'rgatiladi. CNN 
    odatda tasvirlarni tasniflash uchun ishlatiladi, chunki ular qirralar, teksturalar va 
    shakllar kabi ierarxik xususiyatlarni o'rganishi mumkin, bu tasvirlarda ob'ektni aniq 
    tanib olish imkonini beradi. CNNlar bu vazifada ustunlik qiladi, chunki ular 
    avtomatik ravishda tasvirlardan mazmunli fazoviy xususiyatlarni ajratib olishlari 
    mumkin. Bu jarayonda turli qatlamlar ishtirok etadi: 
    Input (Kirish qatlami). CNN ning kirish qatlami xom tasvir ma'lumotlarini 
    kirish sifatida qabul qiladi. Rasmlar odatda piksel qiymatlarining matritsalari 
    sifatida taqdim etiladi. Kirish qatlamining o'lchamlari kirish tasvirlarining 
    o'lchamiga (masalan, balandlik, kenglik va rangli kanallar) mos keladi. 
    Convolutions. 
    (Konvolyutsion 
    qatlamlar). 
    Konvolyutsion 
    qatlamlar 
    xususiyatlarni ajratib olish uchun javobgardir. Ular tegishli naqsh va xususiyatlarni 
    olish uchun kirish tasvirlari bilan birlashtirilgan filtrlardan (yadro sifatida ham 
    tanilgan) iborat. Ushbu qatlamlar qirralar, to'qimalar, shakllar va boshqa muhim 
    vizual elementlarni aniqlashni o'rganadi. 


    Subsampling 
    (Birlashtiruvchi 
    qatlamlar). 
    Birlashtiruvchi 
    qatlamlar 
    konvolyutsion qatlamlar tomonidan yaratilgan xususiyat xaritalarining fazoviy 
    o'lchamlarini kamaytiradi. Ular keraksiz ma'lumotlarni tashlab, eng muhim 
    ma'lumotlarni saqlab qolish uchun namuna olish operatsiyalarini (masalan, 
    maksimal birlashma) amalga oshiradilar. Bu tarjimaning o'zgarmasligiga erishish va 
    hisoblash murakkabligini kamaytirishga yordam beradi.
    Fully connected (To'liq bog'langan qatlamlar). Oxirgi birlashtiruvchi 
    qatlamning chiqishi tekislanadi va bir yoki bir nechta to'liq bog'langan qatlamlarga 
    ulanadi. Ushbu qatlamlar an'anaviy neyron tarmoq qatlamlari sifatida ishlaydi va 
    olingan xususiyatlarni tasniflaydi. To'liq bog'langan qatlamlar xususiyatlar va 
    chiqish sinfi ehtimolliklari yoki bashoratlari o'rtasidagi murakkab munosabatlarni 
    o'rganadi.
    Output (Chiqish qatlami). Chiqish qatlami CNN ning oxirgi qatlamini 
    ifodalaydi. U tasniflash vazifasidagi alohida sinflar soniga teng neyronlardan iborat. 
    Chiqish qatlami har bir sinfning tasniflash ehtimoli yoki bashoratini taqdim etadi, 
    bu kirish tasvirining ma'lum bir sinfga tegishli bo'lish ehtimolini ko'rsatadi. 
    3-rasm.CNN (Konvulyatsion neyron to’rlari) tasvirning xususiyatlarini 
    ajratib olish qatlamlari. 


    teachable machine tizimi orqali rasm va joylashuv bo'yicha sinflashtirish 
    masalasini yechish. 
    1.daftar nomli class yaratamiz 
    2.Ruchka nomli class yaratamiz 


    3.Yuz nomli class yaratamiz 










    Document Outline

    • 5-Amaliyot ishi
    • Mavzu:CNN asosida tasvirlarni sinflashtirish masalasini yechish.

    Download 1,54 Mb.




    Download 1,54 Mb.
    Pdf ko'rish

    Bosh sahifa
    Aloqalar

        Bosh sahifa



    Mavzu: cnn asosida tasvirlarni sinflashtirish masalasini yechish

    Download 1,54 Mb.
    Pdf ko'rish