PYTHON DASTURLASH TILIDA SUN’IY INTELLEKT VA KOMPYUTER KO‘RISH TEXNOLOGIYALARI ASOSIDA OBYEKTLARNI ANIQLASH VA ULARNING RAQAMLI KATALOGINI YARATISH TIZIMINI ISHLAB CHIQISH
Keywords:
Python, sun’iy intellekt, kompyuter ko‘rish, obyekt aniqlash, object detection, raqamli katalog, tasvirni qayta ishlash, deep learning, YOLO algoritmi, real vaqt tizimi, avtomatik tasniflash, ma’lumotlar bazasi, smart system, video analiz, machine learning, neyron tarmoqlar, intelligent system, data catalog, visual recognition, automation.Abstract
Ushbu tadqiqotda Python dasturlash tili asosida sun’iy intellekt va kompyuter ko‘rish texnologiyalaridan foydalangan holda obyektlarni avtomatik aniqlash hamda ularning raqamli katalogini yaratish tizimini ishlab chiqish masalasi yoritilgan. Tadqiqotning asosiy maqsadi real vaqt rejimida tasvir va video oqimlardan obyektlarni aniqlash, ularni klassifikatsiya qilish va yagona raqamli ma’lumotlar bazasiga (katalogga) joylashtirish imkonini beruvchi intellektual tizimni yaratishdan iborat.
Tadqiqot jarayonida obyektlarni aniqlash uchun kompyuter ko‘rish algoritmlari va chuqur o‘rganish (deep learning) modellaridan foydalanildi. Tasvirlar qayta ishlanib, ulardagi obyektlar belgilandi va ularning atributlari (nomi, turi, joylashuvi va koordinatalari) avtomatik ravishda katalogga kiritildi. Bu jarayon ma’lumotlarni tezkor va tizimli boshqarish imkonini berdi.
Natijalar shuni ko‘rsatdiki, ishlab chiqilgan tizim turli sharoitlarda obyektlarni yuqori aniqlik bilan aniqlay oladi va ularni strukturaviy raqamli katalog shaklida saqlaydi. Ushbu yondashuv sanoat avtomatlashtirish, aqlli kuzatuv tizimlari, robototexnika va logistika sohalarida keng qo‘llanilishi mumkin.
References
Redmon J., Farhadi A. YOLOv3: An Incremental Improvement. University of Washington, 2018.
Bochkovskiy A., Wang C. Y., Liao H. Y. M. YOLOv4: Optimal Speed and Accuracy of Object Detection. 2020.
Ultralytics. YOLOv8 Documentation and Usage Guide. https://docs.ultralytics.com, 2024.
OpenCV Contributors. OpenCV Object Detection and Tracking Modules. 2025.
Ren S., He K., Girshick R., Sun J. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. IEEE TPAMI, 2017.
Lin T. Y., Maire M., Belongie S. Microsoft COCO Dataset and Evaluation Metrics. ECCV, 2014.
Geiger A., Lenz P., Urtasun R. The KITTI Vision Benchmark Suite. CVPR, 2012.
Krizhevsky A., Sutskever I., Hinton G. ImageNet Classification with Deep Convolutional Neural Networks. NeurIPS, 2012.
Howard A. et al. MobileNet: Efficient Convolutional Neural Networks for Mobile Vision Applications. 2017.
Szegedy C. et al. Inception-v3: Rethinking the Inception Architecture for Computer Vision. CVPR, 2016.
