Bugun sizlar bilan bir qiziqarli proekt haqida gaplashamiz. Bu proekt ustida 3-4 yil oldin ishlagandim, demak boshladik.
Qanday proekt: Uzb License plate recognition, Yani o'zbekistondagi avtomobil raqamlarini tanib olish uchun dasturiy vosita yaratish.
Qayerlarda ishlatiladi: Aqilli turargohlar uchun, aqilli uylar uchun (garaj yoki uy darvozasini ochish uchun) hullas qayerda avtomobil raqamini tanib olish muhim bo'lsa o'sha joylarda ishlatish mumkin.
#cv #yolo #computervision
https://inomjonramatov.uz/tutorial/license_plate_recognition/

GitHub link

YOLO11: Tezlik, aniqlik va moslashuvchanlikning mukammal uyg‘unligi
YOLO11 seriyasi YOLO oilasidagi eng zamonaviy (SOTA), eng yengil va eng samarali model bo‘lib, o‘zidan oldingi versiyalardan ustun turadi. Bu variant ham Ultralytics tomonidan yaratilgan, ular ilgari YOLOv8 modelini chiqarishgan, bu esa hozirgacha eng barqaror va keng qo‘llaniladigan YOLO varianti hisoblanadi. Ushbu maqolada esa biz quyidagilarni o‘rganamiz:

YOLO11 o’zi nima?
YOLO11 qo’llanilish sohalari
YOLO11 ishga tushirish
#cv #yolo #computervision
https://inomjonramatov.uz/tutorial/yolo11/

Jetson Orin Nano bilan yangi boshlanish! 🚀

Yaqinda Jetson Orin Nano qurilmasini qo‘lga kiritdim va endi uning imkoniyatlarini o‘rganishni boshlayapman. Bu kichik, lekin juda kuchli AI edge qurilma bo‘lib, real vaqtli inferensiya va DeepStream kabi NVIDIA texnologiyalari bilan ishlashga juda mos.

Shu munosabat bilan, Jetson Orin Nano haqida bir qator tutorial postlar tayyorlashni rejalashtiryapman. Ular orasida:
✅ Qurilmani boshlang‘ich sozlash
✅ DeepStream va AI model inferensiyasi
✅ Jetson Orin Nano uchun optimallashtirish usullari

Agar siz ham Jetson Orin Nano yoki umuman AI edge computing bilan qiziqsangiz, kuzatib boring! Yaqin orada foydali postlar bo‘lishi kutilmoqda.

Fikr-mulohazalaringizni izohlarda kutib qolaman! 🔥

Kanalga ulanish

Jetson Orin Nano-ga SDK Manager orqali Operatsion Tizim O‘rnatish

O'qishni yomon ko'ruvchilar uchun video qo'llanma.

NVIDIA Jetson Orin Nano uchun operatsion tizim va dasturiy ta’minotni SDK Manager orqali o‘rnatish jarayoni quyidagi bosqichlardan iborat. Bu qo‘llanma Jetson Orin Nano-ni xost kompyuterga ulash, jumper orqali recovery mode-ga tushirish va SDK Manager yordamida OS o‘rnatishni o‘z ichiga oladi.

1. Talablar

Quyidagilar kerak bo‘ladi:
• NVIDIA Jetson Orin Nano Developer Kit
• Ubuntu 18.04 yoki 20.04 o‘rnatilgan Linux xost kompyuter
• USB-C kabel
• 5V/4A quvvat manbai (Orin Nano uchun)
• Papa-mama jumper kabel yoki jumper qisqa tutashtirgich
• Ethernet yoki Wi-Fi ulanish (internet kerak)

2. SDK Manager-ni O‘rnatish
1. NVIDIA Developer hisobiga ega bo‘ling va quyidagi sahifadan SDK Manager’ni yuklab oling:
• https://developer.nvidia.com/sdk-manager
2. Yuklangan faylni .deb formatidan o‘rnatish uchun terminalda quyidagilarni bajaring:

sudo apt update
sudo apt install ./sdkmanager_[versiya].deb


3. SDK Manager’ni ishga tushirish uchun:

sdkmanager

3. Jetson Orin Nano-ni Recovery Mode-ga Tushirish (Jumper orqali)

Jetson Orin Nano’ni J14 header konnektori orqali recovery mode-ga tushirish mumkin.

J14 Header pinlari:

Pin Nomi Vazifasi
1 GND Yer (Ground)
3 FORCE_RECOVERY# Recovery Mode tugmasi
5 GND Yer (Ground)

Recovery Mode-ga tushirish bosqichlari:
1. Jetson Orin Nano’ni quvvatdan uzing.
2. J14 header konnektorining 3-pin (FORCE_RECOVERY#) va 5-pin (GND) o‘rtasini papa-mama jumper yoki metall qisqa tutashtirgich bilan bog‘lang.
3. USB-C kabel orqali Jetson-ni host kompyuterga ulang.
4. Jetson Orin Nano’ni quvvatga ulang (adapter yoki USB-C orqali).
5. Jumperni olib tashlang.
6. Xost kompyuter terminalida quyidagi buyruqni kiriting:

lsusb

Agar natijada “NVIDIA Corp.” qurilmasi ko‘rinsa, demak, Jetson Orin Nano Recovery Modega muvaffaqiyatli o‘tgan.

4. SDK Manager orqali Operatsion Tizimni O‘rnatish
1. SDK Manager’ni ishga tushiring:

sdkmanager


2. NVIDIA hisobingiz bilan tizimga kiring.
3. Target Hardware sifatida Jetson Orin Nanoni tanlang.
4. Host Machine bo‘limida Ubuntu Desktop ni tanlang.
5. JetPack Version sifatida eng yangi JetPackni tanlang.
6. O‘rnatish tarkibini tanlang:
• OS Image (Linux) va Jetson SDK Components ni belgilab qo‘ying.
7. Flash Options bo‘limida Manual Setup (Recommended) yoki Automaticni tanlang.
8. Flash qilishni boshlash uchun Install & Flash tugmachasini bosing.

⏳ Jarayon davomiyligi: 15-30 daqiqa.

5. Jetson Orin Nano-ni Ishga Tushirish
1. O‘rnatish tugagach, Jetson Orin Nano’ni quvvatdan uzing.
2. USB-C kabelni ajrating va Jetson-ni qayta ishga tushiring.
3. Monitor va klaviatura ulangan bo‘lsa, Jetson Orin Nano ilk ishga tushish jarayonini bajaradi.
4. Ubuntu tizimini sozlash va Wi-Fi/Ethernet ulanishlarini tanlang.

6. Dasturiy Ta’minot va Driverlarni Yangilash

O‘rnatishdan so‘ng Jetson SDK komponentlarini yangilash tavsiya etiladi:

sudo apt update && sudo apt upgrade -y

Xulosa

Siz endi NVIDIA Jetson Orin Nano’ga SDK Manager orqali Ubuntu-based operatsion tizim va JetPack SDK o‘rnatdingiz. Recovery Mode-ga tushirishni esa J14 header pinlari orqali jumper yordamida bajardingiz.

Agar muammolar yuzaga kelsa, dmesg | grep -i nvidia yoki lsusb orqali Jetson qurilmasi aniqlanganligini tekshiring.

Savollaringiz bo‘lsa, bemalol so‘rang!


Keyingi post 40 tops sun'iy intellekt kuchiga ega jetson orin nano qurilmasida yolo11 ni ishlatib ko'ramiz va qanday tezlikda ishlashini test qilamiz.

Bizni kuzatib boring.

🚀 Jetson Orin Nano (15W Power Mode)da LLaMA 3.2 ishlashi

Ollama LLaMA 3.2 modelini Jetson Orin Nano**da **15W quvvat rejimi**da sinab ko‘rdim, natijalar quyidagicha:

🔹 **Model yuklanish vaqti: ~200ms
🔹 Token baholash tezligi: ~1.81 token/s (boshlang‘ich so‘rov)
🔹 Matn generatsiya tezligi: ~12-14 token/s
🔹 Javob shakllanish vaqti: ~25-30s

✅ Muvaffaqiyatli ishlaydi, ammo kechikish sezilarli. Quvvat rejimini oshirish natijalarni yaxshilashi mumkin. Yengil inference uchun mos, ammo real vaqtda ishlashga unchalik mos emas.

💡 Optimallashtirish variantlari:
- TensorRT bilan tezlashtirish 🏎
- Samaradorlik uchun kvantizatsiya 📉
- Yuqori quvvat rejimi bilan yaxshiroq natija ⚡️
- Ko‘p so‘rovlarni parallel qayta ishlash 📊

Bizni kuzatib boring. Qiziqarlilari hali oldinda!

Assalomu alaykum, premium borlar boost qilamiz! Kanal rivoji uchun hissa qo'shing! Katta rahmat!

🚀 Loyiha yangilanishi: Chakana savdo do‘konlari uchun aqlli mijozlar tahlil tizimi

Men hozirda savdo do‘konlarida mijozlar harakatini real vaqt rejimida kuzatish va tahlil qilishga yordam beradigan kompyuter ko‘rish (computer vision) asosidagi tizim ustida ishlayapman.

🎯 Loyihaning asosiy maqsadlari:
- 📊 Do‘konga kirgan mijozlar sonini hisoblash
- 🔁 Qayta tashrif buyurgan mijozlarni aniqlash (yagona mijozlarni kuzatish)
- 🧠 Yoshi va jinsini aniqlash

✅ Hozirgacha bajarilgan ishlar:
Real vaqt rejimida yoshi va jinsini aniqlash — Tizim video oqim orqali mijozning taxminiy yoshi va jinsini aniqlay oladi.

Mijozlarni kuzatish va takroriy tashriflarni aniqlash — Endi bu imkoniyat NVIDIA DeepStream orqali amalga oshirilmoqda, bu esa real vaqtli, samarali ob’ektlarni kuzatishni ta’minlaydi.

🔐 Maxfiylik ustuvor:
Hech qanday yuzni aniqlash yoki shaxsiy ma’lumotlarni saqlash yo‘q. Tizim faqat anonim demografik va xulqiy statistikani taqdim etadi.

🛠 Texnologiyalar:
- Python, OpenCV
- NVIDIA DeepStream SDK
- TensorRT
- YOLO
- CNN asosidagi modellar (yosh va jins aniqlash uchun)

Navbatdagi bosqich: Takroriy tashriflarni aniqlash va tahlillarni ko‘rsatish uchun vizual panel (dashboard) ustida ishlash.

Bizni kuzatib boring!

📘 «Kompyuter ko‘rish: qisqa va ravshan» — bu siz albatta o‘qib chiqadigan kitob

Bu kitob kompyuter ko‘rish (Computer Vision) sohasidagi asosiy tushunchalarni sodda va tushunarli tarzda yoritadi. Unda tasvirlarni qayta ishlash va mashinaviy o‘rganish asoslari orqali kompyuter ko‘rishga kirish osonlashtirilgan. Maqsad — faqat tushuntirish emas, balki o‘quvchining ichki intuitsiyasini shakllantirish.

📷 Kitobning asosiy yondashuvi: iloji boricha kam so‘z, ko‘proq mazmun va ko‘zni quvontiradigan vizual izohlar. Har bir bob atigi 5 sahifadan iborat bo‘lishi kerak edi — ammo bu ham yetarli bo‘lmadi, chunki bu soha juda keng.

👥 Kimlar uchun:

Bakalavriat va magistratura talabalari, kompyuter ko‘rish sohasiga yangi kirayotganlar uchun

Amaliyotchi muhandislar, qisqa vaqt ichida mustahkam nazariy tayyorgarlik olishni istovchilar uchun

📏 Natijada — bu kompyuter ko‘rish bo‘yicha siqiq, lekin kuchli, vizual jihatdan boy va o‘qishga yengil kitob bo‘lib chiqdi. Qo‘rquvsiz boshlaysiz, zavq bilan oxirigacha yetasiz.

P.S: Shaxsan men, kompyuter ko‘rish sohasida tajribali muhandis sifatida, bunday yondashuvni juda qadrlayman. Ko‘p hollarda texnik adabiyotlar yoki haddan ziyod quruq bo‘ladi, yoki foydasiz. Bu kitob esa aynan o‘rta yo‘lni topgan — nazariya bor, lekin faqat keraklisi. Vizual misollar esa, ayniqsa, o‘zlashtirishni osonlashtiradi.

Agar siz CV sohasiga yangi kirayotgan bo‘lsangiz yoki bilimlaringizni tezda tiklamoqchi bo‘lsangiz — bu kitob aynan siz uchun.
Foundations of Computer Vision

Mem ni tushunganlar kommentda yozamiz

Go go go 😁

🎥 Lex Fridman matematikadagi zamonaviy daholardan biri — Terens Tao bilan suhbatlashdi. Bu odam — zamonamizning eng kuchli matematiklaridan biri.
📌 Terens Tao mashxurligi nimada?
Avstraliyalik bolalar dahosi: 10 yoshida Xalqaro matematika olimpiadasida qatnashgan, 21 yoshida doktorlik dissertatsiyasini himoya qilgan.
2006-yilda matematikadagi eng nufuzli mukofot — Fields medalini olgan.
U harmonik tahlil, differensial tenglamalar, ergodik nazariya, Kombinatorika, Ehtimollar nazariyasi, Collatz muammosi, Navye-Stoks tenglamalari kabi murakkab masalalarda ishlagan.

📌 Podkastdan asosiy fikrlar:
Qanday qilib u murakkab muammolarni hal qiladi?
Tao “imkonsiz” muammoni kichik bo'laklarga bo‘ladi:
1. Dastlab barcha to‘siqlarni olib tashlab, eng sodda versiyani hal qiladi.
2. So‘ng bosqichma-bosqich murakkablikni oshirib boradi.
Bu yondashuv tufayli odam “tupa-tupa yurish”da emas, balki doimo oldinga qarab harakatda bo‘ladi.
Katta yutuqlar — turli sohalar birlashganda yuzaga keladi:
Geometriya + algebra, dinamikalar + energiya, diskret matematika + murakkab tenglamalar.
AI va matematikaning kelajagi
AI hozir maktab darajasidagi geometriyani yecha oladi, ammo haqiqiy kashfiyotlarga hali qodir emas — unga “matematik sezgi” yetishmaydi.
Tao fikricha, eng katta yutuqlar “inson + AI” tandemi orqali bo‘ladi: inson strategiyani belgilaydi, AI esa hisob-kitob va tekshirish ishlarini bajaradi.
Kelajak matematikasi — bu g‘oyalar sintezi, formal isbotlar va sun’iy intellekt bilan yaqindan hamkorlikdir. Asosiy kashfiyotlar hanuz insonlar tomonidan qilinadi, ammo AI ularni ancha tezlashtiradi.
P.S : Terens Taoning fikrlash uslubi — bu biz, Computer Vision muhandislari uchun ham dars: murakkablikni boshqarish, turli metodlarni uyg‘unlashtirish, natijalarni formal nazorat qilish va sun’iy intellektdan kuchli yordamchi sifatida foydalanish.
Kelajak — bu inson tafakkuri va AI hisoblash quvvatining uyg‘unligida. Biz o‘sha kelajakni bugun qurmoqdamiz.

ChatGpt ga qiziq mem yasab ber degandim😁

Yangi, dasturlash bo‘yicha benchmark paydo bo‘ldi — LLM modellar unda 0% natija ko‘rsatmoqda 😐
LiveCodeBench Pro — bu eng so‘nggi va murakkab dasturlash masalalaridan tashkil topgan yangi test to‘plami bo‘lib, Codeforces, ICPC va IOI (Informatika bo‘yicha Xalqaro Olimpiada) kabi platformalardan olingan. Ushbu masalalarni bevosita o‘zlari olimpiyadalarda g‘olib yoki sovrindor bo‘lganlar tanlagan va belgilagan.

Natijalar: hattoki eng kuchli til modeli hisoblangan o4-mini-high ham taxminan 2100 reyting atrofida to‘xtab qolmoqda. Bu esa inson grossmeysteri darajasidan (taxminan 2700) ancha past.

Model faqat oddiy va ayrim o‘rta darajadagi masalalarni hal qila oladi. Haqiqiy murakkab masalalarga kelganda esa — barchasi nol, butunlay hech qanday yechim yo‘q.

Model kombinatorika va dinamik dasturlash bo‘yicha muammolarni nisbatan yaxshi yechadi. Ammo strategik fikrlash va edge-case (noyob chegara holatlari) bilan ishlashda ular oddiy ekspert yoki hatto maktab o‘quvchisi darajasida.

Yana bir qiziq fakt: insonlar odatda xatoni algoritmda emas, balki uni implementatsiya (realizatsiya) qilishda, ya'ni e'tiborsizlik yoki sintaksis nuqtai nazaridan qiladi. Modellar esa, aksincha, ko‘pincha xatoni asosiy g‘oyaning o‘zida qiladi — ya'ni masalaga qanday yondashish kerakligini tushunmaydi.

Xulosa: hozircha olimpiyadachilar o‘rnini hech bir LLM model bosa olmayapti.😁 Gazini bosamiz olimpiadachilar, You're irreplaceable — we checked, even AI gave up.

📚 ArXiv Research Agent — ilmiy tadqiqotlar uchun ajoyib yordamchi.

Bu agent mustaqil ravishda quyidagilarni bajara oladi:
• arXiv, bioRxiv, medRxiv va Semantic Scholar platformalaridan sizga mos maqolalarni topadi
• To‘liq adabiyotlar sharhini amalga oshiradi
• Siz e’tibor bermagan jihatlarni ko‘rsatadi va nimalarni qo‘shish mumkinligini taklif qiladi
• Millionlab ilmiy ishlardan chuqur tahlil va sitatalar beradi
• Tayyor konspekt va xulosa chiqaradi
va yana ko‘plab foydali funksiyalarni taklif etadi.

Yaqinda MCP (Multi-Contextual Pretraining) qo‘llab-quvvatlovi ham qo‘shilishi kutilmoqda.

Mashhurlar ishtirokida sun’iy intellekt yordamida yaratilgan yuqoridagi kabi videolar — yangi tushunchalarni o'rganishda hayratlanarli darajada samarali vosita bo‘lib chiqyapti.

Eng qizig‘i, ular juda tez ommalashyapti — mana shu videoni ikki kun ichida 5 million odam ko‘rgan 👀