ЮЗ ТАСВИРЛАРИНИ СЕГМЕНТЛАШНИНГ НЕЙРОН ТАРМОҚЛАРГА АСОСЛАНГАН УСУЛЛАРИ

Нарзулло Маматов; Кеулимжай Эрежепов; Иномжон Нарзуллаeв; Малика Жалелова; Абдурашид Самижонов

Авторы

Нарзулло Маматов Тошкент ирригация ва қишлоқ хўжалигини механизациялаш муҳандислари институти
Кеулимжай Эрежепов Муҳаммад ал-Хоразмий номидаги ТАТУ Нукус филиали
Иномжон Нарзуллаeв Муҳаммад ал-Хоразмий номидаги Тошкент ахборот технологиялари университети
Малика Жалелова Тошкент ирригация ва қишлоқ хўжалигини механизациялаш муҳандислари институти
Абдурашид Самижонов Тошкент ирригация ва қишлоқ хўжалигини механизациялаш муҳандислари институти

Ключевые слова:

шахс юз тасвири, сегментация, нейрон тармоқ, биометрик идентификация, аутентификация, чуқур ўқитиш усуллари, тўлиқ ўрамли нейрон тармоқлар (FCN), U-Net, Mask R-CNN, юз белгилари, қайта ишлаш тезлиги

Аннотация

Тасвир объектларини нейрон тармоқлар асосида сегментациялаш рақамли тасвирларни таҳлил қилишда кенг қўлланилмоқда. Тасвир сегментацияси бу тасвирни бир нечта ҳудудларга ажратиш бўлиб, ажратилган ҳар бир ҳудуд маълум бир синфга тегишлидир. Мазкур ишда нейрон тармоқлардан фойдаланишга урғу берган ҳолда шахс юз тасвирларини сегментлашни замонавий усул ва технологиялари ўрганилган. Шунингдек, тасвирларда юз минтақаларини аниқ ва самарали ажратиб олиш зарурати муҳокама қилинган. Бундан ташқари, юзни сегментлашда нейрон тармоқларга асосланган усулларни афзалликлари ва камчиликлари, иловалари ҳақида умумий маълумот ва таққослаш натижалари ҳам ёритиб берилган. Олинган ҳар бир усул хусусиятлари таҳлил этилиб, сегментлаш аниқлиги, тезлиги ва ресурс интенсивлиги каби бир қатор мезонлар асосида самарадорлиги қиёсий таҳлил қилинган. Натижалар умумлаштирилиб, юз тасвирларини сегментлаш усулларини ишлаб чиқишни замонавий ҳолати ва истиқболлари ҳақида хулосалар берилган.

Библиографические ссылки

Mamatov, N. S., Niyozmatova, N. A., Jalelova, M. M., Samijonov, A. N., & Tojiboyeva, S. X. (2023). Methods for improving contrast of agricultural images. In E3S Web of Conferences (Vol. 401, p. 04020). EDP Sciences. https://doi.org/10.1051/e3sconf/202340104020

Mamatov, N. S., Pulatov, G. G., & Jalelova, M. M. (2023). Image contrast enhancement method and contrast evaluation criteria optimal pair. Digital Transformation and Artificial Intelligence, 1(2).

Mamatov, N., Sultanov, P., & Jalelova, M. (2023). Analysis of imaging equipments of human internal organs. Scientific Collection «InterConf+», (38 (175)), 291-299. https://doi.org/10.51582/interconf.19-20.10.2023.026

Mamatov, N. S., Jalelova, M. M., Samijonov, A. N., & Samijonov, B. N. (2024, February). Algorithm for improving the quality of mixed noisy images. In Journal of Physics: Conference Series (Vol. 2697, No. 1, p. 012013). IOP Publishing. https://doi.org/ 10.1088/1742-6596/2697/1/012013

Mamatov, N., Jalelova, M., & Samijonov, B. (2024). Tasvir obyektlarini segmentatsiyalashning mintaqaga asoslangan usullari. Modern Science and Research, 3(1), 1-4. https://inlibrary.uz/index.php/science-research/article/view/28241

Mamatov, N., Jalelova, M., Samijonov, B., & Samijonov, A. (2024). Algorithms for contour detection in agricultural images. In E3S Web of Conferences (Vol. 486, p. 03017). EDP Sciences. https://doi.org/10.1051/e3sconf/202448603017

Mamatov, N., Jalelova, M., Samijonov, B., & Samijonov, A. (2024). Algorithm for extracting contours of agricultural crops images. In ITM Web of Conferences (Vol. 59, p. 03015). EDP Sciences. https://doi.org/10.1051/itmconf/20245903015

Mamatov, N., Sultanov, P., Jalelova, M., & Samijonov, A. (2023). 2D image processing algorithms for kidney transplantation. Scientific Collection «InterConf», (184), 468-474.

Mamatov, N., & Jalelova, M. (2023). ТАСВИР КОНТРАСТИНИ ОШИРИШ УСУЛИ ВА КОНТРАСТ БАҲОЛАШ МЕЗОН ОПТИМАЛ ЖУФТЛИГИ. DIGITAL TRANSFORMATION AND ARTIFICIAL INTELLIGENCE, 1(2), 158-167.

Solidjonovich, M. N., Qizi, J. M. M., Qizi, T. S. X., & O’G’Li, S. B. N. (2023). SUN’IY YO’LDOSHDAN OLINGAN TASVIRDAGI DALA MAYDONI CHEGARALARINI ANIQLASH USULLARI. Al-Farg’oniy avlodlari, 1(4), 177-181.

Маматов, Н., Султанов, П., Жалелова, М., & Тожибоева, Ш. (2023). Критерии оценки качества медицинских изображений, полученных на мультиспиральном компьютерном томографе. Евразийский журнал математической теории и компьютерных наук, 3(9), 27-37.

Маматов, Н., Султанов, П., Юлдашев, Ю., & Жалелова, М. (2023). Методы повышения контрастности изображений при мультиспиральной компьютерной томографии. Евразийский журнал академических исследований, 3(9), 125-132.

Маматов, Н., & Джалелова, М. (2023). Tasvir shovqinlari tahlili. Информатика и инженерные технологии, 1(2), 113-115.

Маматов, Н., & Джалелова, М. (2023). Tasvir kontrastini etalonsiz baholash. Информатика и инженерные технологии, 1(2), 115-117.

Маматов, Н., Рахмонов, Э., Самижонов, А., Жалелова, М., & Самижонов, Б. (2023). ТАСВИРДАГИ МИКРОСКОПИК ОБЪЕКТЛАРНИ ТАНИБ ОЛИШ АЛГОРИТМЛАРИ. Евразийский журнал математической теории и компьютерных наук, 3(11), 7-13.

A. Raj, S. Gupta and N. K. Verma, "Face detection and recognition based on skin segmentation and CNN," 2016 11th International Conference on Industrial and Information Systems (ICIIS), Roorkee, India, 2016, pp. 54-59, doi: 10.1109/ICIINFS.2016.8262907.

Ganesh Pai and Sharmila Kumari M, “Semi-Dense U-Net: A Novel U-Net Architecture for Face Detection” International Journal of Advanced Computer Science and Applications(IJACSA), 14(6), 2023. http://dx.doi.org/10.14569/IJACSA.2023.0140643

Agarwal, Mohit & Gupta, Suneet & Biswas, K.. (2023). Development of a compressed FCN architecture for semantic segmentation using Particle Swarm Optimization. Neural Computing and Applications. 35. 1-14. 10.1007/s00521-023-08324-3.

Nirkin, Y., Masi, I., Tran, A., Hassner, T., & Medioni, G. (2017). On face segmentation, face swapping, and face perception. arXiv (Cornell University). https://arxiv.org/pdf/1704.06729.pdf

He, K., Gkioxari, G., Dollár, P., & Girshick, R. (2017). Mask R-CNN. arXiv (Cornell University). https://arxiv.org/pdf/1703.06870v3

Karara, G.; Hajji, R.; Poux, F. 3D Point Cloud Semantic Augmentation: Instance Segmentation of 360° Panoramas by Deep Learning Techniques. Remote Sens. 2021, 13, 3647. https://doi.org/10.3390/rs13183647