ALOQA QILINADIGAN NEYRON TARMOQLAR (CNN) YORDAMIDA TASVIRLARNI TASNIFLASH MODELI

Abstract

Ushbu loyihaning asosiy maqsadi — CNN arxitekturasidan foydalanib, berilgan ma'lumotlar to'plamidagi (masalan, MNIST raqamlari yoki CIFAR-10 ob'ektlari) tasvirlarni yuqori aniqlikda avtomatik ravishda tasniflash modelini yaratish va baholash. Loyihada Python dasturlash tilidan, TensorFlow/Keras kutubxonasidan va konvolyutsion qatlamlar (Convolutional Layers), pooling qatlamlar (Pooling Layers) hamda to'liq bog'langan qatlamlardan (Fully Connected Layers) iborat chuqur o'rganish modeli qo'llanildi . O'qitilgan model sinov ma'lumotlarida [O'rtacha aniqlikni shu yerga yozing, masalan: 98.5%] foiz aniqlikka erishdi . Olingan natijalar CNN ning tasvirni qayta ishlash vazifalarida samarali ekanligini ko'rsatdi.            The main goal of this project is to build and evaluate a model for automatic high-accuracy classification of images from a given dataset (e.g., MNIST digits or CIFAR-10 objects) using the CNN architecture. The project uses the Python programming language, the TensorFlow/Keras library, and a deep learning model consisting of Convolutional Layers, Pooling Layers, and Fully Connected Layers. The trained model achieved [Write the average accuracy here, e.g., 98.5%] percent accuracy on the test data. The results show that CNN is effective in image processing tasks            Основная цель этого проекта — создание и оценка модели для автоматической высокоточной классификации изображений из заданного набора данных (например, цифр MNIST или объектов CIFAR-10) с использованием архитектуры CNN. В проекте используется язык программирования Python, библиотека TensorFlow/Keras и модель глубокого обучения, состоящая из сверточных слоев, слоев пулинга и полносвязных слоев. Обученная модель достигла [Укажите здесь среднюю точность, например, 98,5%] процентов точности на тестовых данных. Результаты показывают, что CNN эффективна в задачах обработки изображений.