OBYEKTLARNI ANIQLASH MODELLARI VA KUTUBXONALARI
Article Sidebar
Main Article Content
Аннотация:
Ushbu tezis zamonaviy obyektlarni aniqlash (object detection) texnologiyalari, ular asosida qurilgan chuqur o‘rganish modellarining tuzilishi va qo‘llanishi, shuningdek, ularni amaliyotga joriy etishda foydalaniladigan kutubxonalar haqida batafsil ilmiy tahlilni taqdim etadi. Bir bosqichli (YOLO, SSD, RetinaNet) va ikki bosqichli (Faster R-CNN, Mask R-CNN) modellar o‘zaro taqqoslanib, ularning arxitekturasi, aniqlik darajasi, ishlash tezligi, hamda qo‘llash sohalari yoritiladi. Bundan tashqari, TensorFlow, PyTorch, OpenCV DNN va Ultralytics kabi kutubxonalar yordamida obyekt aniqlash modellarini tayyorlash, sinovdan o‘tkazish va qurilmalarga joylashtirish jarayonlari izohlanadi. Tezis real vaqt tizimlari, mobil qurilmalar va yuqori aniqlik talab qilinadigan loyihalar uchun mos model va kutubxona tanlashda ilmiy-amaliy tavsiyalar beradi.
Article Details
Как цитировать:
Библиографические ссылки:
Redmon, J., & Farhadi, A. (2016). You Only Look Once: Unified, Real-Time Object Detection.
Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks.
Liu, W., Anguelov, D., Erhan, D., Szegedy, C., & Reed, S. (2016). SSD: Single Shot MultiBox Detector.
Lin, T.-Y., Goyal, P., Girshick, R., He, K., & Dollár, P. (2017). Focal Loss for Dense Object Detection.
Jocher, G. (2023). Ultralytics YOLO Documentation.
Abadi, M., Agarwal, A., Barham, P., et al. (2016). TensorFlow: Large-Scale Machine Learning on Heterogeneous Systems.