Axborot texnologiyalari, tarmoqlar va telekommunikatsiyalar

REAL VAQT REJIMIDA YO‘L BELGILARINI YOLO ORQALI GPUDA 
ANIQLASH IMKONIYATLARI 
1
M.A. Umarov, 
2
I.S. Narzullayev, 
3
B. Muhammadiyev 
1,3
Muhammad al_xorazmiy nomidagi TATU Samarqand Filiali assistenti 
2
Muhammad al_xorazmiy nomidagi TATU stajer-tadqiqotchi 
e-mail: [e-mail] 
 
Annotatsiya: 
Video oqimidagi obyektlarni chuqur o‘qitish yordamida 
klassifikatsiyalash bugungi kunda juda dolzarb va rivojlanayotgan masalalardan. 
Klassifikatsiyalash muammosini hal qiladigan ko‘plab tizimlarni hisobga olgan 
holda, ko‘pincha harakatchanlik talab qilinadi. Ushbu maqola Raspberry Pi 4da 
yo‘l belgilarini klassifikatsiyalash muammosini hal qilish uchun YOLO (You Only 
Look Once) konvolyutsion neyron tarmog‘ini amalga oshirish taklif qilindi. Ushbu 
platformaning asosiy xususiyati Movidius NCS grafik protsessor (GPU) 
mavjudligi bo‘lib, dastlab uning uchun mo‘ljallanmagan qurilmalarda chuqur 
neyron tarmoqlardan foydalanishga imkon beradi, masalan: Raspberry Pi 4. YOLO 
CNN (Convolutional Neural Network) neyron tarmog‘ining amalga oshirilgan 
algoritmi yo‘l belgilarini klassifikatsiyalash muammosini doimiy video oqimida 
yuqori aniqlik va tezlik bilan hal qilish imkonini beradi va Raspberry Pi 4ning 
harakatchanligini ta’minlaydi. 
Kalit so‘zlar: 
yo‘l belgisi, YOLO, neyron tarmog‘i, grafik protsessor, 
klassifikatsiya, tasvir. 
Hozirgi vaqtda turli xil mobil obyektlarga birlashtirilgan belgini aniqlash 
tizimlarining mashhurligi ortib bormoqda. Turli xil vazifalarni hal qilish uchun 
avtomobillarga o‘rnatilgan bunday tizimlar haydovchiga yordam berishga yoki uni 

---

International scientific conference "INFORMATION TECHNOLOGIES, NETWORKS AND 
TELECOMMUNICATIONS" ITN&T-2022 Urgench, 2022y April 29-30 
450 
o‘rnini bosishga qaratilgan. Asosiy muammolardan biri kam quvvat iste’moliga 
ega, real vaqt rejimida tanib olish uchun yetarli hisoblash quvvatiga ega qurilmani 
tanlashdir. Dasturiy ta’minot ham katta rol o‘ynaydi, chunki biz mobil tizim 
taqdim etadigan bir nechta resurslardan maksimal ishlashni olishingiz kerak [1]. 
Mashinali o‘qitishni aniqlash katta kompyuterlarni bajarishni talab 
qiladigandek tuyulishi mumkin, bunday katta ishlov berish quvvatini talab 
qilmaydigan ba’zi ilovalar mavjud va ular ishlashda sezilarli yo‘qotishlarsiz 
o‘rnatilgan tizimlarga joylashtirilishi mumkin. YOLOning beshinchi versiyasi bu 
obyektni aniqlashga asoslangan mashinali oʻqitish algoritmlari oilasining eng 
soʻnggi versiyasi boʻlib, detektor tasvirdagi odamlar yoki avtomobillar kabi aniq 
obyektlarni qidiradi (1-rasm). 
1-
rasm. YOLOv5 yordamida aniqlangan obyektlar. 
YOLOv5ni ish stolida qanday ishga tushirishni ko‘rsatadigan bir nechta 
o‘quv qo‘llanmalari mavjud, ammo uni o‘rnatilgan qurilmada (masalan, Raspberry 
Pi) ishga tushirish qobiliyati to‘liq o‘lchamli kompyuterlarga nisbatan kam quvvat 
sarfi va ko‘p qirraliligi tufayli e’tibordan chetda qolishi mumkin emas [2]. 
O‘rnatilgan qurilmalar - bu barcha operativ xotira, protsessor va boshqa qurilmalar 
bitta plataga biriktirilgan kompyuter tizimlari. Raspberry Pi 4, masalan, barcha 
ishlov berish komponentlari, USB slotlari, quvvat portlari va boshqa ko‘p 
o‘rnatilgan tizimlarga ega bo‘lgan o‘rnatilgan tizim bo‘lib, u ko‘plab maqsadlar 
uchun kichik kompyuter sifatida ishlashga imkon beradi (2-rasm). 
2-
rasm. Raspberry Pi 4 va unga o‘rnatilgan kamera. 

---

International scientific conference "INFORMATION TECHNOLOGIES, NETWORKS AND 
TELECOMMUNICATIONS" ITN&T-2022 Urgench, 2022y April 29-30 
451 
Ushbu maqolada Raspberry Pi 4ga YOLOv5ni to‘liq o‘rnatish jarayonini va 
unda yo‘l belgilarini aniqlash va tanib olish uchun tajriba o‘tkazildi. 
Operatsion tizimingizni tanlash. Raspberry Pi 4 bunday operatsion tizimlar 
uchun atigi 1 GB operativ xotirani qo‘llab-quvvatlagan Raspberry Pi 3 dan farqli 
o‘laroq, 64 bitli operatsion tizimlarni ishga tushirishga to‘liq qodir [3]. Sabab, 
RPi4 endi YOLOv5, shu jumladan, oldindan kirish imkoni bo‘lmagan 64-bitli 
dasturlarning katta miqdori uchun ochiq. Men YOLOv5 ni 64 bitli Ubuntu bilan 
ishlaydigan 16 GB hajmli microSD karta yordamida o‘rnatildi va tajribadan 
o‘tkazildi (3-rasm). 
3-
rasm. YOLO CNN arxitekturasi. 
Oʻquv jarayonida Raspberry Pi 4ga YOLOv5ni muvaffaqiyatli oʻrnatgandan 
keyin endi undan yo‘l belgilarini aniqlashda foydalanishni oʻrganamiz [4], shuning 
uchun bizga YOLOv5ning boshqa versiyalari bilan taqqoslash va foydalanish 
boʻyicha tajriba natijalarini tahlil qilishimiz mumkin (4-rasm). Siz ushbu tezkor 
nuqtalardan qo‘shimcha tadqiqotlar qilishingiz mumkin. 
4-
rasm. YOLO versiyalarini qiyosiy tahlili va parametrlari. 

---

International scientific conference "INFORMATION TECHNOLOGIES, NETWORKS AND 
TELECOMMUNICATIONS" ITN&T-2022 Urgench, 2022y April 29-30 
452 
5-
rasm. YOLOv5 ga asoslangan yo‘l belgilarini aniqlash natijasi. 
Ushbu maqola Raspberry PI 4da YOLOv5 CNN ning amalga oshirilishini va 
imkoniyatlarini o‘rgandik. Yo‘l belgilarini aniqlash uchun o‘qitilgan tarmoq yaxshi 
natijalarni ko‘rsatadi va mobil platformada real vaqt rejimida tasvirni qayta ishlash 
uchun YOLOv5dan foydalanish qobiliyati yuqori ekanligini ko‘rsatdi. Real vaqt 
rejimida ishlashi uchun Raspberry PI 4 yoki Nvidia Jetson Xavier kabi kuchliroq 
qurilmalar kerak bo‘ladi. Shunday qilib, 30 vattgacha bo‘lgan kam iste’mol va juda 
hamyonbop bo‘lgan bunday mobil platforma YOLOv5 bilan birgalikda 
haydovchilarga yordam berishning ilg‘or tizimlari uchun yaxshi tanlovdir.