Qarshi davlat universiteti international scientific and practical conference on algorithms and current problems of programming

239 
tadqiqotlarning aksariyati katta hisoblash xarajatlarini talab qilganligini ko‘rishimiz 
mumkin ya’ni talab qilingan davrlar va qatlamlar sonidan ko‘rish mumkin, shuning uchun 
taklif qilingan usulning moslashuvchanligi pasayadi va hisoblash xarajatlari tufayli 
kundalik hayotda qo‘llanilishi qiyin [4]. Biroq, vaqt o‘tishi bilan asl tasvir ma’lumotlarini 
qo‘shish va o‘zgartirishlarga moslasha olish uchun tasvir firibgarligini aniqlash usullariga 
ehtiyoj bor. 
Xato darajasini tahlil qilish (ELA) - tasvirni ma’lum bir sifat darajasida qayta saqlash va 
siqilish darajalari o‘rtasidagi taqqoslashni hisoblash orqali tasvirni manipulyatsiya qilishni 
aniqlash uchun ishlatiladigan usul. Umuman olganda, bu usul yo‘qolgan siqilish formatiga 
ega bo‘lgan tasvirlarda amalga oshiriladi. Ushbu ma’lumotlarni qidirishda ishlatiladigan 
rasm turi JPEG. JPEG tasvirlarda siqish rasmdagi har 8x8 piksel uchun mustaqil ravishda 
amalga oshiriladi. Agar rasm o‘zgartirilmasa, tasvirdagi har 8x8 piksel bir xil xatolik 
darajasiga ega bo‘lishi kerak [5]. 
CNN - bu oldinga uzatishga asoslangan tarmoq turi bo‘lib, unda axborot oqimi faqat bitta 
yo‘l, ya’ni kirishdan chiqishgacha bo‘ladi. CNN arxitekturasining bir nechta turlari mavjud 
bo‘lsa-da, umuman olganda, CNN bir nechta konvolyutsion va birlashtiruvchi qatlamlarga 
ega. Keyin, undan keyin bir yoki bir nechta to‘liq bog‘langan qatlamlar. Rasmlarni 
tasniflashda CNN ga kirish tasvir shaklida bo‘ladi, shuning uchun har bir piksel qayta 
ishlanishi mumkin [6]. Muxtasar qilib aytganda, konvolyutsion qatlam CNN ga kiritilgan 
tasvirlardan ushbu xususiyatlarning namoyishini o‘rganuvchi xususiyat ekstraktori sifatida 
ishlatiladi. Shu bilan birga, birlashtiruvchi qatlam xususiyat xaritalarining fazoviy 
o‘lchamlarini kamaytirish uchun javobgardir. Umuman olganda, to‘liq bog‘langan 
qatlamdan oldin mavhumroq xususiyat tasvirini olish uchun ishlaydigan bir nechta 
konvolyutsion va birlashtiruvchi qatlamlar to‘plami mavjud. Keyinchalik, to‘liq bog‘langan 
qatlam ushbu xususiyatlarni sharhlaydi va yuqori darajadagi fikrlashni talab qiladigan 
funksiyalarni bajaradi. CNN oxirida tasniflash softmax funksiyasidan foydalanadi [5]. 
Shuning uchun, ushbu maqolada, nisbatan samaraliroq va ma’lumotlarning o‘sishiga 
to‘g‘ridan-to‘g‘ri proporsional bo‘lgan masshtablilikning ortishiga ega bo‘lgan tasvirni 
firibgarligini aniqlash usuli arxitekturasi sifatida quyidagi 1-rasmdagi sxema taklif etiladi. 
1-rasm. CNN arxitekturasi kontur sxemasi. 
Umuman olganda, arxitektura dizayni ikkita katta qismga bo‘linadi, ya’ni ma’lumotlarni 
tayyorlash va model yaratish. Dastlabki bosqichda “.jpg” formatidagi tasvirlardan tashkil 
topgan, quyidagi tafsilotlarga ega bo‘lgan kirish ma’lumotlari: ma’lumotlarni tayyorlash 
bosqichiga o‘zgartirilgan yorliqli 1771 ta rasm va haqiqiy yorliqli 2940 ta rasm kiritiladi 
[3]. Ma’lumotlarni tayyorlash bosqichi - bu kirish ma’lumotlari bo‘lgan har bir rasm 

240 
birinchi navbatda Xato darajasini tahlil qilish natijasida olingan tasvirga aylantiriladigan 
bosqich. Keyin ELA tasvirining o‘lchami 128 x 128 o‘lchamdagi rasmga o‘zgartiriladi. 
Xulosa qilib aytish mumkinki Ushbu tadqiqotda ELA va CNN yordamida mashinani 
o‘rganish natijalaridan bir nechta xulosalar chiqarish mumkin. 
1. CNN ikkita konvolyutsion qatlamdan foydalanadi, bitta MaxPooling qatlami, bitta 
to‘liq bog‘langan qatlam va softmax bilan bitta chiqish qatlami 91,83% aniqlikka erishishi 
mumkin. 
2. ELA dan foydalanish samaradorlikni oshirishi va o‘quv jarayonining hisoblash 
xarajatlarini kamaytirishi mumkin. Buni avvalgi usuldan qatlamlar sonining kamayishi va 
talab qilinadigan davrlar sonidan ko‘rish mumkin. Taklif etilayotgan modelda 
konvergensiyaga erishish uchun zarur bo‘lgan davrlar soni atigi 9 tani tashkil qiladi. Taklif 
etilgan usullar uchun ilg‘or tasvirni qayta ishlash algoritmlari mavjudligi sababli bunday 
tizimlarni amalga oshirish yanada kerakli bo‘lib bormoqda. 

Download 15,84 Mb.