Video tasvirlar asosida obyektlarni aniqlash algoritmlari va dasturini ishlab chiqish

GoogLeNet modeli 
An'anaviy neyron tarmog'ining konvolyutsiya qatlamlaridan farqli o'laroq, GoogLeNet 
modeli parametrlar sonini kamaytiradi va hisoblash hajmini nazorat qiladi, bu esa 
yaxshi tasniflash ko'rsatkichlariga erishadi va aniqlash tezligini sezilarli darajada 
yaxshilaydi. Google Inception Network chuqur neyron tarmoq boʻlib, 22 ta qatlam, 21 
ta konvolyutsion qatlam va bitta toʻliq bogʻlangan qatlamdan iborat. Google Inception 
Network dizaynidagi asosiy yangilik siyrak matritsa operatsiyalarini mahalliy 
zichlashtirish va funksiyalarni parallel qayta ishlash va kompozitsiyada qo'llaniladigan 
ko'p miqyosli konvolyutsiya bo'lib, bu tezlikni sezilarli darajada oshirishi mumkin. 

---

SCIENTIFIC PROGRESS
VOLUME 3 
ǀ
ISSUE 1 
ǀ
2022 
ISSN: 2181-1601
Uzbekistan
 
www.scientificprogress.uz
 
Page 16
Inception moduli toʻliq bogʻlangan qatlamni olib tashlaydi va uni global oʻrtacha 
birlashtiruvchi qatlam bilan almashtiradi (tasvir oʻlchamini 1 × 1 ga oʻzgartiradi), bu 
modelni oʻqitishni tezlashtiradi va haddan tashqari oʻtish ehtimolini kamaytiradi. To'liq 
bog'langan qatlamni global o'rtacha birlashtiruvchi qatlam bilan almashtirish usuli 
tarmoq (NIN) model arxitekturasida tarmoqdan qabul qilingan. Dastlabki bosqichda 
boshlang'ich modulning dizayni parametrlardan foydalanish samaradorligini 
oshiradi. Boshlang'ich modul katta tarmoqdagi kichik tarmoqqa o'xshaydi, uning 
tuzilishini o'rgatish uchun qayta-qayta o'rnatish mumkin.katta tarmoq. 
YOLO 
YOLO - mintaqaviy bo'lmagan nomzodga asoslangan ODning oxirigacha usuli. Fast 
RCNN kabi boshqa OD usullaridan farqli o'laroq, YOLO ob'ektni aniqlash vazifasini 
ob'ekt hududini bashorat qilish va sinfni bashorat qilish kabi bir nechta jarayonlarga 
ajratmaydi. YOLO algoritmi yuqori aniqlik bilan tezkor aniqlashga erishish uchun 
ikkala vazifani bitta neyron tarmoq modeliga birlashtiradi. 
YOLO tasvirlardan xususiyatlarni to'g'ridan-to'g'ri ajratib olish va toifalarning 
chegaralangan qutilari va ehtimolliklarini hisoblash uchun ODni o'zgartiradi; keyin 
ob'ekt toifalari va joylashuv ma'lumotlarini oladi. YOLO toifalarning bir nechta 
chegaralovchi qutilari va ehtimolliklarini bashorat qilish uchun yagona konvolyutsion 
neyron tarmog'ini qabul qiladi. An'anaviy OD usullari bilan solishtirganda, YOLO 
algoritmi quyidagi afzalliklarga ega: YOLO jarayoni oddiy va aniqlash tezligi juda 
tez. Ushbu maqolada biz GoogLeNet arxitekturasiga asoslangan konvolyutsion neyron 
tarmog'ining konvolyutsion ishlashini dastlabki konvolyutsiya operatsiyasini 
almashtirish uchun kichik konvolyutsiya operatsiyasidan foydalangan holda 
yaxshiladik. Bizning usulimiz OD tezligini yaxshilash uchun YOLO algoritmini 
optimallashtirishi mumkin. O'qitish va bashorat qilish jarayonlarida YOLO butun 
grafikning xususiyat ma'lumotlarini ajratib oladi va ishlatadi, bu mahalliy aniqlash bilan 
solishtirganda xatolik darajasini sezilarli darajada kamaytiradi. YOLO algoritmi 
o'rganishi mumkinmuhim xususiyatlarni to'g'ri va umumiy ob'ektlar haqida umumiy 
ma'lumot. 
Yilda bu qog'oz, biz taqdim bir tez ob'ekt ochish algoritmi uchun video. Biz ta'kidlash fa
oliyatini tashkil bizning aniqlash ikkinchi va yuqori aniqlik boshiga video kvadrat 
ko'proq ko'zga e ffi samaradorligini bilan aniqlash tezligi jihatidan algoritm. Siz Faqat 
Bir marta ko'rasiz (YOLO) tarmog'iga asoslanib, biz hisoblash miqdorini kamaytirish va 
aniqlashni sezilarli darajada tezlashtirish uchun kichik konvolyutsiya o'rniga 
konvolyutsiya operatsiyasini yaxshilaymiz. Tasvirning rivojlanishi bilan biz atrof-muhit 
va shovqin ta'sirini yo'q qilamiz. Bundan tashqari, biz fonning cheklovchi qutilari 
sifatida har qanday o'lchamdagi qutilarni qurishimiz va fon tahlilini kamaytirishimiz 
shart emas. 

---

SCIENTIFIC PROGRESS
VOLUME 3