Toshkent axborot texnologiyalari universiteti “sun’iy intellekt” kafedrasi

Ob'ektni tanib olish nima?
Ob'ektni tanib olish raqamli fotosuratlardagi ob'ektlarni tanib olishni oʻz ichiga olgan alohida kompyuterning koʻrish vazifalari toʻplamini tavsiflash uchun foydalaniladigan umumiy atama. Tasvirni tasniflash tasvirdagi bitta ob'ekt sinfini bashorat qilishni oʻz ichiga oladi. Ob'ektni lokalizatsiya qilish - bu tasvirdagi bir yoki bir nechta ob'ektlarning joylashishini aniqlash va ularning chegaralari atrofida koʻp sonli chegara ramkalarini chizish. Ob'ektni aniqlash ushbu ikki vazifani birlashtiradi va tasvirdagi bir yoki bir nechta ob'ektni lokalizatsiya qiladi va tasniflaydi.
Agar foydalanuvchi yoki amaliyotchi “ob'ektni tanib olish” haqida gapirsa, ular koʻpincha "ob'ektni aniqlash" degan ma’noni anglatadi.
Biz ob'ektni tanib olish atamasidan tasvir tasnifini (tasvirda qanday ob'ektlar sinflari mavjudligini aniqlash uchun algoritm talab qiladigan vazifa), shuningdek, ob'ektni aniqlashni (tasvirda mavjud bo'lgan barcha ob'ektlarni lokalizatsiya qilish algoritmini talab qiladigan vazifani) qamrab olish uchun keng foydalanamiz. [1]
Shunday qilib, biz ushbu uchta kompyuterning ko'rish vazifasini ajrata olamiz:

1. 
   Tasvirni tasniflash: Tasvirdagi ob'ekt turini yoki sinfini taxmin qilish.
   

Kiruvchi qism: bitta ob'ektga ega tasvir, masalan, fotosurat.
Chiquvchi qism: sinf yorlig'i (masalan, sinf yorliqlari bilan taqqoslanadigan bir yoki bir nechta butun sonlar).

2. 
   Ob'ektni lokalizatsiya qilish: Tasvirdagi ob'ektlar mavjudligini aniqlash va ularning joylashuvini chegaralovchi ramka bilan ko'rsatish.
   

Kiruvchi qism: Bir yoki bir nechta ob'ektga ega tasvir, masalan, fotosurat.
Chiquvchi qism: Bir yoki bir nechta chegaralovchi ramkalar (masalan, nuqta, kenglik va balandlik).

3. 
   Ob'ektni aniqlash: Chegara ramkasi bo'lgan ob'ektlar mavjudligini va tasvirdagi joylashgan ob'ektlarning turlari yoki sinflarini topish.
   

Kiruvchi qism: Bir yoki bir nechta ob'ektga ega tasvir, masalan, fotosurat.
Chiquvchu qism: bir yoki bir nechta chegaralovchi ramkalar (masalan, nuqta, kenglik va balandlik) va har bir chegaralovchi ramka uchun sinf yorlig'i.
Kompyuterning ko'rish vazifalarining ushbu taqsimotining yana bir kengaytmasi ob'ekt segmentatsiyasi bo'lib, u “ob'ekt namunasi segmentatsiyasi” yoki “semantik segmentatsiya” deb ham ataladi, bu yerda belgilangan ob'ektlarning namunalari qoʻpol chegaralar oʻrniga ob'ektning oʻziga xos piksellarini ajratib olish orqali koʻrsatiladi.
Ushbu sxemadan (1-rasm) biz ob'ektni tanib olish kompyuterning ko'rish boʻyicha murakkab vazifalar toʻplamiga tegishli ekanligini koʻrishimiz mumkin.
1-rasm. Ob'ektni tanib olishning umumiy koʻrinishi
Tasvirni tanib olish masalalaridagi soʻnggi yangiliklarning aksariyati ILSVRC musobaqasida ishtirok etishning bir qismi sifatida paydo boʻldi. Bu har yili oʻtkaziladigan akademik musobaqa boʻlib, uning asosiy maqsadi ushbu uchta masala turining har biri uchun alohida muammoga boʻlib, har bir darajada kengroq foydalanish mumkin boʻlgan mustaqil va alohida takomillashtirishni rag'batlantirishdir.
Quyida ILSVRC savollaridan olingan bitta ob'ektni lokalizatsiya qilish va ob'ektni aniqlashni taqqoslash misoli keltirilgan (2-rasm).
2-rasm. Yagona ob'ektni lokalizatsiya qilish va ob'ektni aniqlash o'rtasidagi taqqoslash.