Post #77

Tasvirni modelga berishdan oldin nima qilish kerak? Ko‘p hollarda “pre-processing” va “data augmentation” model natijasini bevosita hal qiladi. 1) Digital Image Processing: tasvir ustidagi amallar nimalar? Raqamli tasvir aslida sonlardan iborat matritsa. Demak biz uni turli yo‘llar bilan o‘zgartira olamiz: • Mantiqiy (Logical): AND/OR/XOR, NOT (invert) masalan: mask bilan obyektni ajratish • Statistik (Statistical): o‘rtacha (mean) filtrlash, median filtri, standart og‘ish (std) hisoblash • Geometrik (Geometrical): aylantirish (rotate), masshtablash (resize/scale), ko‘chirish (translate), kesish (crop) • Matematik (Mathematical): qo‘shish/ayirish (image add/subtract), ko‘paytirish (gain), bo‘lish (normalize) • Transform (o‘zgartirish) amallari: Fourier transform (FFT), DCT, Wavelet transform, Hough transform va hk. Amallar ham ikki xil: • Element-wise amallar: har bir piksel ustida amal bajariladi (masalan: darajaga ko‘tarish). • Matrix amallar: matritsa nazariyasiga tayangan holda tasvir manipulyatsiya qilinadi (konvolyutsiya, filterlash) 2) Data augmentation: Model train/validation/test dataset’da yaxshi natija berishiga qaramay, real muhitda ko‘pincha performance tushib ketadi. Sabab: real data xilma-xil, dataset esa yetarlicha turfa bo‘lmasligi mumkin. Data augmentation nima beradi? • Dataset’ni qo‘shimcha data yig‘masdan kattalashtiradi. • Variativlik kiritadi, generalization kuchayadi. • Overfitting kamayadi. • Labeling va cleaning xarajatlarini qisqartiradi. Bu yerda ham ikki usuldan foydalanishimiz mumkin: • Augmented data: mavjud tasvirlardan transform bilan yangi variantlar hosil qilish (geometric va color space transformatsiyalar). • Synthetic data: noldan generatsiya qilingan data, masalan DNNs va GANs orqali. Demak, pre-processing va data augmentation, real loyihada modelning amaliy natijasini ko‘taradigan asosiy tayanchlardan hisoblanar ekan. #fundamentals#computer_vision