#loyiha, #tomato_detection
Birinchi tajribalar natijalari bilan sizlarni bohabar qilmoqchiman (yuqoridagi rasmlar).
@machine_learning_lab
Birinchi tajribalar natijalari bilan sizlarni bohabar qilmoqchiman (yuqoridagi rasmlar).
@machine_learning_lab
👍8
Machine Learning Lab.
Yuqoridagi ekskursiyadan keyingi loyihamizning yana bir kichik qismi haqida! Demak loyihaning bu qismida menga ajratilhgan vazifani qisqacha qilib yozib o'taman. -Issiqxonadagi bir qator pomidor hosilini qimirlamaydigan kameralar orqali tasvirini uzatish…
#loyiha, #tomato_detection
Avval aytib o'tkanimizday bugungi kunda issiqxonadagi pomidor hosilini aniqlash, sanash va classlarga ajratish ustida ish olib bormoqdamiz.
Birinchi tajribalar natijalari bilan sizlarni bohabar qilmoqchiman (yuqoridagi rasmlar).
Bu loyihani bajarish uchun quyidagi jarayonlardan o'tdik (qisqa qilib yozamiz) :
- Dataset tayyorlash yani rasmlar to'plash (Data collection)
- Rasmlarni annotatsiyalash (LabelImg yordamida)
- Datasetni 8:1:1 nisbatda train/validation/test bo'lib olindi
- Train data uchun Data Augmentation methodi qo'llanildi
- Yolov5 object detection modelidan foydalanib pomidor hosili aniqlandi
- Aniqlangan hosil uchun (RoI) Image Processing Technique dan foydalanib 3 xil yashil, pushti va qizil kategoriyalarga ajratildi and sanaldi.
Hozirda loyihamizda yetarlicha kamchiliklar bor masalan rasmdagi hamma hosillar ham aniqlanmayapti yani model accuracy yetarlicha emas, keyingisi kategoriyalarga ajratishda yorug'lik darajasi o'zini salbiy ta'sirini ko'rsatmoqda.
P.s: Agar tushunmagan joyingiz yoki sizni qiziqtirgan savollaringiz bo'lsa 👇👇👇yozib qoldiring imkon qadar javob beramiz!
@machine_learning_lab
Avval aytib o'tkanimizday bugungi kunda issiqxonadagi pomidor hosilini aniqlash, sanash va classlarga ajratish ustida ish olib bormoqdamiz.
Birinchi tajribalar natijalari bilan sizlarni bohabar qilmoqchiman (yuqoridagi rasmlar).
Bu loyihani bajarish uchun quyidagi jarayonlardan o'tdik (qisqa qilib yozamiz) :
- Dataset tayyorlash yani rasmlar to'plash (Data collection)
- Rasmlarni annotatsiyalash (LabelImg yordamida)
- Datasetni 8:1:1 nisbatda train/validation/test bo'lib olindi
- Train data uchun Data Augmentation methodi qo'llanildi
- Yolov5 object detection modelidan foydalanib pomidor hosili aniqlandi
- Aniqlangan hosil uchun (RoI) Image Processing Technique dan foydalanib 3 xil yashil, pushti va qizil kategoriyalarga ajratildi and sanaldi.
Hozirda loyihamizda yetarlicha kamchiliklar bor masalan rasmdagi hamma hosillar ham aniqlanmayapti yani model accuracy yetarlicha emas, keyingisi kategoriyalarga ajratishda yorug'lik darajasi o'zini salbiy ta'sirini ko'rsatmoqda.
P.s: Agar tushunmagan joyingiz yoki sizni qiziqtirgan savollaringiz bo'lsa 👇👇👇yozib qoldiring imkon qadar javob beramiz!
@machine_learning_lab
👍7🔥1