FASHION MNIST DATASETIDA KONVOLYUTSION NEYRON TARMOQLARDAN (CNN) FOYDALANIB, TASVIRLARNI KLASSIFIKATSIYA QILISH

Tasvirlarni klassifikatsiya qilish kompyuter ko‘rish sohasidagi asosiy vazifalardan biri bo‘lib, chuqur o‘qitish texnikalari, ayniqsa, Konvolyutsion Neyron Tarmoqlari (CNN), bu jarayonda yuqori samaradorlikni namoyish etgan. Ushbu tadqiqotda, 70,000 ta qora-oq tasvirdan iborat bo‘lgan va 10 ta moda kategoriyasini o‘z ichiga olgan Fashion MNIST ma'lumotlar to‘plamidan tasvirlarni klassifikatsiya qilish uchun CNN modelining samaradorligi baholandi. CNN modeli an'anaviy mashinali o‘qitish algoritmlari, jumladan, Support Vector Machine (SVM), K-Nearest Neighbors (KNN) va Random Forest bilan solishtirildi. Tadqiqot davomida ma'lumotlar to‘plami model samaradorligini oshirish maqsadida normallashtirish va shakllantirish jarayonlaridan o‘tkazildi. Model samaradorligi aniqlik, yo‘qotish, aniqlik, chaqirish va F1-skori kabi bir nechta baholash mezonlari orqali tahlil qilindi. Eksperimental natijalar shuni ko‘rsatadiki, CNN modeli an'anaviy klassifikatorlarga nisbatan sezilarli darajada yuqori natijalar ko‘rsatib, yaxshiroq aniqlik va xususiyatlarni chiqarish imkoniyatiga ega. Ushbu natijalar chuqur o‘qitishning tasvirni tanib olishdagi afzalliklarini ta'kidlaydi hamda ilg‘or optimallashtirish texnikalari va gipermaruzalarni sozlash orqali yanada samaraliroq natijalarga erishish imkoniyatlarini ochib beradi.