74
issledovatelskaya-tehnologiya-i-obrazovatelnaya-sreda
3.
https://www.it.ua/ru/knowledge-base/technology-innovation/virtualnaja-
realnost-vr
4.
Цветков В.Я. ДОПОЛНЕННАЯ РЕАЛЬНОСТ // Международный
журнал прикладных и фундаментальных исследований. – 2017. – № 6-2. – С.
211-212; URL: https://applied-research.ru/ru/article/view?id=11650 (дата
обращения: 28.06.2020).
5.
Что
такое
VR,
АR
и
смешанная
реальность.
https://vc.ru/education/39700-chto-takoe-vr-ar-i-smeshannaya-realnost-sayty-
prilozheniya-i-stati-kotorye-pomogut-razobratsya
6.
AR — Дополненная Реальность.
https://habr.com/ru/post/419437/
2-amaliy ish. Kompyuter ko‘rish: Signal va tasvirlarni tahlil qilish (2 soat)
Amaliy ishning maqsadi
–
Kompyuter ko‘rish tasvirlarga raqamli ishlov
berish, tasvirlarni tanib olish sohasida bilim va ko‘nikmasiga ega bo‘lish.
Nazariy qism
Computer Vision - bu kompyuterlar va boshqa avtomatlashtirilgan tizimlar
orqali tasvirlar va koʻrinishlarni tushunish va aniqlash boʻyicha tizimdir.
Ushbu
texnologiyalar juda keng qoʻllaniladi va bir nechta sohalarda foydalaniladi, masalan:
San'at – Computer Vision texnologiyalari, san'atda muhim boʻlgan tasvir va rasm
ma'lumotlarini tushunish va oʻrganish uchun foydalaniladi.
1.
Tibbiyot - Tibbiyot sohasida, Computer Vision tizimlari, radiografiyalar
va tomogrammalar kabi tasvirlarni tushunish va aniqlash uchun foydalaniladi.
2.
Transport - Kompyuter Vision texnologiyalari, transport sohasida
avtomobillarning yurishi, avto yoʻlni tushunish, avtomobilni identifikatsiya qilish va
boshqa amallar uchun foydalaniladi.
3.
Xavfsizlik
- Xavfsizlik sohasida, Computer Vision tizimlari, video
nazorat, yagona nazorat va yuk transport vositalarini kuzatish va aniqlash uchun
foydalaniladi.
4.
Reklama - Marketingda, reklama va turli xil marketing kampaniyalarini
tashkil etishda, kompyuter Vision
tizimlari tasvirlarni yoritish, ma'lumotlar
toʻplamasi va ma'lumotlar tahlil qilishda qoʻllaniladi.
Bunday kabi sohalar qanchalik keng boʻlsa-da, Computer Vision tizimlari
hali ham yanada rivojlana oladi va yangi xususiyatlar va imkoniyatlar qoʻshib
boriladi. Computer Vision sohasi oʻrganish uchun quyidagi roadmap tuzilishi
mumkin: Asosiy algoritmlar va tushunchalar - Computer Vision sohasini oʻrganish
uchun asosiy algoritmlar va tushunchalar bilish kerak. Bu algoritm va tushunchalar
orqali, tasvirni tahlil qilish, aniqlash va tasvirni sinash mumkin.
75
1.
Programmalash tillari - Computer Vision sohasi oʻrganish uchun
Python, MATLAB, R, C++, Java va boshqa tillarni oʻrganish kerak.
2.
Boʻsh ishchilar uchun uyali ilovalar va kutubxonalar - OpenCV,
TensorFlow, PyTorch, Keras va boshqa boʻsh ishchilar
uchun uyali ilovalar va
kutubxonalar bilan tanishish kerak.
3.
Data tahlil - Computer Vision sohasini oʻrganish uchun data tahlili katta
ahamiyatga ega. Bu maqsadda, numpy, pandas, scipy, scikit-learn kabi ilovalarni
oʻrganish kerak.
4.
Kompyuter grafikasi va tasvir ishlash - Computer Vision sohasini
oʻrganish uchun kompyuter grafikasi va tasvir ishlash asoslari kerak.
Adobe
Photoshop, GIMP kabi dasturlarni oʻrganishingiz mumkin.
5.
Amaliyot va loyihalar - Computer Vision sohasini oʻrganish uchun
amaliyot va loyihalar ustida ishlayotgan boʻlishingiz kerak. Bu, oʻrganish jarayonida
kompyuter Visiondagi muhim amallarni bajarishga yordam beradi.
6.
Tayyor kodlarni oʻrganish - Oʻzingizni tajribangizni oshirish uchun
tayyor kodlarni oʻrganishingiz kerak. Bunday kodlar GitHub,
Kaggle kabi
platformalarda yoki boʻsh ishchilar uchun uyali ilovalarda topilishi mumkin.
Siz bu roadmap orqali Computer Vision sohasini oʻrganishga boshlay olasiz.
Buni amaliyotda joriy qilish va yangi xususiyatlar bilan yangilanish davom etadi.
Computer Vision, tasvirlarni va video xabarlarini tahlil qilish, aniqlash va tasvirni
sinashga yordam beradigan bir necha asosiy tushuncha va algoritm asosida
yuritiladi. Quyidagi asosiy tushunchalar va algoritmlar Computer Vision sohasida
katta ahamiyatga ega:
1.
Tasvirni binarizatsiya qilish - Tasvirni binarizatsiya qilish, tasvirlarning
mavjud boʻlgan oʻq va rangli elementlarini ayirishni tashkil etadi. Bunday
binarizatsiya algoritmlari orqali, tasvirlarning moslashuvchanligi va yuqori darajada
aniqlash, kengaytirish va koʻchirish imkoniyatlari mavjud.
2.
Yuzani aniqlash - Yuzani aniqlash, tasvirlarda yuzlarni aniqlash uchun
qoʻllaniladi. Bu tushuncha uchun Face Detection algoritmlari, masalan, Viola-Jones
algorithm yoki Haar-Cascade Classifier oʻrganish kerak.
3.
Tasvir segmentatsiyasi - Tasvir segmentatsiyasi, tasvirlarni tahlil qilish,
tasvirlarning moslashuvchanligini va elementlarini aniqlash, tasvirlarni bir nechaga
boʻlish va qism qism tahlil qilishni oʻz ichiga oladi.
4.
Tasvir tahlili va sinash - Tasvir tahlili va sinash, tasvirlarni tark etish,
oʻlchash, shakllantirish, kengaytirish va boshqa koʻplab amallarni bajargan holda,
aniq natijalarga erishishni ta'minlaydi.
5.
Yigʻindilar tahlili - Yigʻindilar tahlili, yigʻindilardagi ob’ektlarni
aniqlash va koʻrsatkichlarini oʻlchash uchun qoʻllaniladi. Bu tushuncha uchun
Cluster Analysis va Object Tracking algoritmlari keng qoʻllaniladi.
76
6.
Neiron
tarmoqlari - Neiron tarmoqlari, yagona yoki koʻp qatorlardan
tashkil topgan ma'lumotlar tizimi orqali ma’lumotni ifodalash va tahlil qilish
imkoniyatlarini ta’minlaydi.
7.
Konvolutsiya neyron tarmoqlari - Konvolutsiya neyron tarmoqlari,
tasvirlarni aniqlash va sinash uchun moʻljallangan holda yaratilgan, shu jumladan,
tasvirlarni qism qism tahlil qilish, oʻlchash va tark etish imkoniyatlariga ega.
