Chixuaxua vs maffin — quyi darajali belgilar aldanadi, yuqori darajali belgilar ajratadi

Dumaloq jigarrang boʻlak ustida uchta qora nuqta. Bitta piksel, oʻrtacha rang yoki piksel masofasi — qaysi mezon bilan oʻlchamaylik, chixuaxua va maffin bir-biriga eng oʻxshash chiqadi. Qorongʻi nuqtalarni topadigan quyi darajali belgi ikki rasmda bir xil javob berishini koʻramiz, ruxsat pasaytirilganda avval nima yoʻqolishini va piksel qoidasi nega keraksiz fon katagini tanlashini tekshiramiz. Oxirida modelning xato qilishining uch usulini va butun turkumni xulosalaymiz.

Muallif · Sangsun Ahn (M-Robo Inc. bosh direktori) · Muallif haqida

61.4Chixuaxua ↔ maffin piksel masofasi (kuchukchaning 71.0 dan yaqinroq)

3 taIkki rasmda bir xil aniqlanadigan qorongʻi nuqtalar

5.81 · 5.83%Oʻzimiz chizgan rasmlardagi qorongʻi joylar maydoni (Kod 1)

61.3%Piksel qoidasining yangi rasmlardagi aniqligi (Kod 1)

96 → 53%Ruxsat 8×8 → 2×2 boʻlganda aniqlik (Kod 2)

2 taColab muhitida darhol ishga tushadigan kod

1Muammo

Chixuaxua vs maffin — odam ham bir zum adashtiradigan juftlik

Dumaloq jigarrang boʻlak ustida uchta qora nuqta. Ikki koʻz va burun, uchta chernika deyarli bir xil joyda turibdi. Sonlarda ham bu ikkisi oʻxshashmikan?

Chixuaxua yuzi rasmlari va chernikali maffin rasmlari uch qator, toʻrt ustunda navbatma-navbat joylashtirilgan toʻplam — Rasmni muallifning oʻzi tayyorlagan. Keng tarqalgan “chixuaxuami yoki maffinmi” internet memi gʻoyasiga asoslangan.

Bu juftlik tasvirlarni tasniflash qiyinligini koʻrsatadigan mashhur misoldir. Kichik eskizga tez nazar tashlasa, odam ham bir zum adashadi. Umumiy jihatlari — quyi darajali belgilar (dumaloq boʻlak, och jigarrang va jigarrang ranglar, uchburchak shaklida joylashgan uchta qorongʻi nuqta), farqlari esa yuqori darajali belgilar (koʻz qorachigʻidagi yaltiroq nuqta, nam burunning yaltirashi, jun tolalari va non gʻovakligi, quloqlar va qogʻoz qolip burmalari).

Bu qismda 4-1~4-3 dagi barcha vositalarni ishga solib, shu juftlikni tahlil qilamiz. Sonlarda qanchalik oʻxshashligi (2-boʻlim), quyi darajali belgilar nega aldanishi (3-boʻlim), ruxsat pasaytirilsa nima boʻlishi (4-boʻlim), piksel qoidasi va naqsh (5-boʻlim), modelning xato qilish usullari va cheklovlarini (6-boʻlim) koʻrib chiqamiz va butun turkumni bitta sxemada xulosalaymiz (7-boʻlim).

Yangi boshlovchilar uchun tushuntirish

“Chixuaxuami yoki maffinmi” iborasi taxminan 2016-yilda internetda keng tarqalgan rasmlar toʻplamidan kelib chiqqan va keyinchalik tasvirlarni tanib olish qiyinligini tushuntirishda tez-tez misol sifatida keltiriladi. Bu sahifadagi rasmlarni muallif shu gʻoya asosida yangidan yaratgan.

2Sonlarda

Sonlarda deyarli bir xil — piksel, oʻrtacha rang, masofa

Koʻz qorachigʻi katagi va chernika katagini, ikki rasmning oʻrtacha rangini, oq-qora piksel masofasini oʻlchaymiz. Sonlar mezoni boʻyicha chixuaxuaning eng yaqin doʻsti — maffin.

1Sonlarda koʻrsak · koʻz katagi va chernika katagi

	Chixuaxua	Maffin	Farq
Bitta qorongʻi katak (R, G, B) · 14 × 14 gacha kichraytirilganda	Koʻz (39, 37, 43)	Chernika (37, 31, 37)	Deyarli bir xil
Butun rasmning oʻrtacha rangi (R, G, B)	(189, 162, 138)	(189, 164, 136)	Deyarli bir xil
Oq-qora piksel masofasi (56 × 56)	Chixuaxua ↔ maffin 61.4 · Chixuaxua ↔ kuchukcha 71.0 · Chixuaxua ↔ mushuk 87.8		Maffin eng yaqin

Bitta piksel, oʻrtacha rang yoki piksel masofasi — qaysi mezon bilan oʻlchamaylik, chixuaxua maffinga eng oʻxshash chiqadi. 4-2 da koʻrganimizdek, bu mezonlar rasmda “nima tasvirlangani”ni bilmaydi. Quyidagi jadvalda besh rasm orasidagi barcha masofalarni koʻrishingiz mumkin.

2Piksel masofalari jadvali: chixuaxua kimga yaqin? Shu sahifadagi rasmlar boʻyicha

Shu sahifadagi beshta rasmning har bir jufti orasidagi piksel masofasini oʻlchadik. Son qanchalik kichik boʻlsa, hisob boʻyicha rasmlar shunchalik “oʻxshash”. Eng kichik qiymatlar rang bilan ajratilgan.

Bu jadvaldagi qiymatlar shu sahifadagi beshta rasm (faqat yuz qismi kesib olinib, 56 × 56 ga kichraytirilgan) boʻyicha oʻlchangan. Boshqa rasmlar olinsa, fon, yoritish va kompozitsiyaga qarab qiymatlar ancha oʻzgaradi, biroq “piksel masofasi maʼnodagi masofadan farq qiladi” degan xulosa haqiqiy rasmlarda ham keng maʼlum xossadir.

Yangi boshlovchilar uchun tushuntirish

Bu natija “model ahmoq boʻlgani uchun” kelib chiqmaydi. Sonlarni solishtirishning eng oddiy usullari maʼnoni emas, tashqi koʻrinishni oʻlchagani uchun shunday boʻladi. Tashqi koʻrinishi oʻxshash qilib yaratilgan bu toʻplamda ana shu cheklov eng yaqqol namoyon boʻladi. Haqiqiy rasmlarda fon va kompozitsiya har xil boʻlgani uchun sonlar kamroq oʻxshashi mumkin, lekin xuddi shu tamoyildagi tuzoq baribir saqlanib qoladi.

3Quyi darajali belgi

Quyi darajali belgilar aldanadi — uchta qorongʻi nuqta

“Atrofidan qorongʻiroq dumaloq nuqta”ni topadigan filtrni ikki rasmga bir xilda qoʻllaymiz. Ikkala rasmda ham uchta nuqta deyarli bir xil uchburchak shaklida aniqlanadi.

③Chixuaxua vs maffin Qiyin

“Qorongʻi nuqta” koʻrinishida ikkala rasmda ham uchta qora nuqta deyarli bir xil uchburchak shaklida aniqlanadi. Chixuaxuada bu ikki koʻz va burun, maffinda esa uchta chernika. Oʻrtacha rang ham ikkalasida och jigarrang-jigarrang. Faqat oldingi qatlamlar belgilaridan foydalanadigan model uchun bu ikkisi bir xil rasm.

Diqqat Bu toʻplam “adashtiriladigan juftlik”ni koʻrsatish uchun oʻxshash kompozitsiyada (old tomondan, oq fonda) yaratilgan rasmlardir. Shuning uchun oʻxshashlik tasodifiy olingan rasmlardagidan ham yaqqolroq boʻlishi mumkin. Haqiqiy chixuaxua va maffin rasmlarida ham bu hodisa yaxshi maʼlum, ammo uning darajasi rasmdan rasmga farq qiladi.

Ruxsatni 7 × 7 gacha pasaytirsak, odam koʻzi uchun ham farqlash qiyinlashadi. Agar model faqat kichik rasmlarni koʻrib oʻqigan boʻlsa, model bilan ham xuddi shunday boʻladi.

Ikkisini ajratadigan ishoralar ancha nozik: koʻz qorachigʻida aks etgan kichik oq yaltiroq nuqta, burunning nam yaltirashi, mayin jun tolalari va ushoqli non gʻovakligi, boshdagi quloqlar va qogʻoz qolip burmalari, hamda uch nuqta doim chap-oʻng simmetrik joylashganmi (chernikalar esa tartibsiz). Ularni koʻrish uchun keyingi qatlamlar belgilari va xilma-xil rasmlar kerak.

Yangi boshlovchilar uchun tushuntirish

“Qorongʻi nuqta” koʻrinishi xiralik darajasi har xil boʻlgan ikki rasmning farqi (DoG) yordamida dumaloq qorongʻi boʻlaklarni topadi. Bu CNN ning oldingi qatlamlari topadigan quyi darajali belgilar bilan bir turdagi belgi. Faqat shu qatlamgacha qaraydigan model uchun chixuaxua va maffin bir xil rasm. Kod 1 da ham oʻzimiz chizgan chixuaxuasimon va maffinsimon rasmlarning “qorongʻi joylar maydoni” 5.81% va 5.83% boʻlib, deyarli bir xil chiqdi.

4Ruxsat

Ruxsat pasaytirilsa — avval kichik ishoralar yoʻqoladi

Bir rasmni 7 × 7, 14 × 14, 28 × 28 gacha kichraytirib koʻramiz. Ruxsat — modelga beriladigan axborot miqdori.

1Ruxsat tajribasi · 7 × 7 dan oshirib boring

Avval 7 × 7. Odam koʻzi uchun ham ikkisini deyarli farqlab boʻlmaydi. 14, 28, 56 ga oshirib borib, avval nima koʻrina boshlashini yozib boring. Odatda avval chixuaxua quloqlarining konturi va maffin qolipining tik burmalari, eng oxirida esa koʻzdagi yaltiroq nuqta va jun tolalari koʻrinadi.

Ruxsat pasaysa, sonlar soni (belgilar soni) kamayadi va avval kichik ishoralar yoʻqoladi. Quyi darajali belgilar (uchta nuqta) past ruxsatda ham saqlanib qoladi, lekin ikkisini ajratadigan yuqori darajali belgilar faqat yuqori ruxsatda koʻrinadi.

2Colab Kod 2 natijasi · ruxsat pasaysa, avval nima adashtiriladi

Ruxsat	Belgilar soni	Test aniqligi	Eng koʻp adashtirilgan juftlik (toʻgʻri javob→bashorat: marta)
8 × 8	64	96.2%	8→1: 4, 4→1: 2, 3→9: 2
4 × 4	16	89.8%	8→1: 14, 1→8: 6, 1→9: 3
2 × 2	4	53.4%	0→8: 20, 2→4: 17, 1→9: 16

Qoʻlyozma raqamlarni kataklar oʻrtachasi bilan kichraytirib, bir xil klassifikator (logistik regressiya) bilan test qildik. Ruxsat pasaygan sari avval shakli oʻxshash juftliklar (8 va 1, 0 va 8) adashtiriladi. Chixuaxua va maffin ham xuddi shunday. Faqat kichik rasmlar bilan oʻqitilsa, model ikkisini ajratadigan ishoralarni umuman olmaydi.

Yangi boshlovchilar uchun tushuntirish

Ruxsat — bu jadvaldagi kataklar soni. Kataklar kam boʻlsa, hisob-kitob arzon, lekin kichik ishoralar yoʻqoladi. Haqiqiy modellar ham kirish oʻlchamini (masalan, 224 × 224) oldindan tayinlab, rasmlarni kichraytirib oladi, shuning uchun kichik farqlar muhim boʻlgan masalalarda (kichik nuqson, uzoqdagi yoʻl koʻrsatkichi) ruxsatni tanlash samaradorlikka katta taʼsir qiladi.

5Qoida va naqsh

Piksel qoidasi keraksiz katakni tanlaydi — maʼno katakda emas, joylashuvda

4-1 dagi “bitta oʻzgaruvchi > chegaraviy qiymat” qoidasini rasmga qoʻllasak, kompyuter 784 katak ichidan tasodifan yaxshi mos kelib qolgan fon katagini tanlaydi. Belgilar xaritasidan naqsh ajratib olinsa, yangi rasmlarda ham toʻgʻri topadi.

1Piksel qoidasi va belgi naqshi · bir xil rasmlarda

4-1 da baliqlar “bitta oʻzgaruvchi > chegaraviy qiymat” degan bir qatorli qoida bilan hal boʻlgan edi. Shu usulni rasmning 784 katagiga qoʻllasak nima boʻladi? Qoida va naqshni “Oʻqitish uchun” 80 ta rasmdan topamiz, oʻqitishda ishlatilmagan 80 ta “Yangi rasm” bilan tekshiramiz.

Rasm · piksel → naqsh

① Xuddi shu usulda “bitta piksel > chegaraviy qiymat” qoidasini 784 ta katakning barchasidan izlaymiz.

Tugmani bossangiz, eng yaxshi topadigan piksel qoidasi izlanadi.

② Filtr bilan belgilar xaritasini yaratamiz va butun xarita boʻyicha naqshni umumlashtiramiz.

Misol

Rasm

Qorongʻi joylar xaritasi

Yuqori qirra xaritasi

“Yangi rasm”lar oʻsha 12 ta rasmni oʻqitish uchun olinganlaridan boshqacha surib, yorqinligini oʻzgartirib yaratilgan, shuning uchun butunlay boshqa rasmlar bilan oʻtkaziladigan testdan osonroq. ② dagi ikki filtrni odam tanlagan, CNN esa bunday filtrlardan oʻnlab–yuzlab tasini maʼlumotlardan oʻrganadi.

2Colab Kod 1 natijasi · oʻzimiz chizgan rasmlarda takrorlash

Kod 1 haqiqiy rasmlar oʻrniga kod yordamida “chixuaxuasimon” va “maffinsimon” 28 × 28 rasmlar yaratadi. Ikkalasida ham och jigarrang doira va 3 ta qora nuqta bor, farq faqat quloqlarda (yuqorida) va qogʻoz qolip burmalarida (pastda).

Natija: piksel qoidasining aniqligi oʻqitish rasmlarida 73.8% dan yangi rasmlarda 61.3% gacha tushdi, tanlangan katak esa rasmning pastki cheti edi. Quyi darajali belgi boʻlgan qorongʻi joylar maydoni ikki turda bir xil boʻldi (5.81% va 5.83%), qism naqshlari (pastdagi tik burmalar kuchi, yuqoridagi qirra kuchi) bilan esa yangi rasmlarda ham 96.3% toʻgʻri topildi. Haqiqiy rasmlar bilan amaliyotdagi xulosaning aynan oʻzi chiqadi.

Yangi boshlovchilar uchun tushuntirish

Piksel qoidasining fon katagini tanlashi — qisqa yoʻl bilan oʻrganishning kichik misoli. Model oʻqitish rasmlarida toʻgʻri javob bilan tasodifan birga uchraydigan oson ishorani ushlab olgan. Odam uchun “chixuaxuaga aloqasi yoʻq katak” yaqqol koʻrinadi, lekin model faqat oʻsha katak toʻgʻri javobni yaxshi topishini biladi.

6Yuqori darajali belgi va cheklovlar

Yuqori darajali belgilar ajratadigan narsa — va modelning xato qilish usullari

Ikkisini ajratadigan ishoralar — yaltiroq nuqta, jun tolalari, quloqlar, qolip burmalari — faqat keyingi qatlamlarda koʻrinadi. Bu ishoralarni oʻrganolmagan model qanday xato qiladi?

1Qatlamlar chuqurlashgan sari topiladigan narsa kattalashadi

Pooling bilan rasmni kichraytira borib qatlamlarni qoʻysak, keyingi qatlamdagi bitta katak asl rasmning kengroq hududini koʻradi. Shuning uchun oldingi qatlamlar kichik chiziqlarni, keyingi qatlamlar chiziqlar birikmasi boʻlgan koʻz va quloqlarni, undan ham keyingi qatlamlar esa butun yuzni topadi. Bu rasm Zeiler va Fergus (2014) oʻqitilgan CNN ning qatlamlar boʻyicha javoblarini vizuallashtirib koʻrsatgan tendensiyani soddalashtirib koʻchirgan.

2Model qanday xato qiladi · qisqa yoʻl, notanish rasm, haddan tashqari ishonch

Qisqa yoʻl bilan oʻrganish. Model toʻgʻri javobni topishning eng oson ishorasini ushlab oladi. Agar oʻqitish rasmlaridagi maffinlar doim oq likopchada boʻlsa “oq fon”ni, chixuaxualar doim xonada boʻlsa “xona yoritilishi”ni oʻrganib olishi mumkin. Oʻqitish maʼlumotlarida yaxshi ishlaydi, lekin sharoit oʻzgarsa, barbod boʻladi [R5]. 5-boʻlimdagi piksel qoidasi buning kichik misoli.

Notanish rasmlar (taqsimot siljishi). Oʻqitishda koʻrilmagan sharoitlarda, masalan, yon tomondan tushirilgan chixuaxua, shokolad boʻlakchali maffin yoki qorongʻi yoritilishda aniqlik keskin tushib ketishi mumkin. Test natijasi faqat “oʻqitish rasmlariga oʻxshash rasmlar”dagi natija xolos [R6].

Haddan tashqari ishonch. Softmax ehtimolligi 0.99 boʻlishi “99% toʻgʻri” degani emas. Model xato qilganda ham yuqori ehtimollik berishi mumkin, shuning uchun muhim qarorlarda ehtimollik haqiqiy toʻgʻri javoblar ulushiga mos kelishini alohida tekshirish (kalibrlash) kerak [R7].

Shuning uchun nima kerak. Adashtiriladigan juftliklar yetarlicha kiritilgan maʼlumotlar, turli sharoitlarda (fon, burchak, yoritilish) olingan rasmlar, yetarli ruxsat, maʼlumotlarni kengaytirish (4-3) va model nimaga qarab qaror qilganini tekshirish odati.

⚖Bir xil mezon boʻyicha taqqoslash

Bellashuv	Qiyinlik	Tashqi oʻxshashlik	Hal qiluvchi farq (belgilar)	Asosan ajratadigan qatlam
Mushuk vs odam	Oson	Yuz, ikki koʻz	Yuz markazidagi jun tolalari, uchli quloqlar, chiziqlar, burun shakli	1~2-qatlamlardanoq ajraladi
Mushuk vs kuchukcha	Oʻrtacha	Jun, ikki koʻz, tik quloqlar	Tumshuq uzunligi, burun kattaligi, yuz konturi	3-qatlamdan keyin (qismlar shakli)
Chixuaxua vs maffin	Qiyin	Jigarrang dumaloq boʻlak, uchta qora nuqta	Koʻzdagi yaltiroq nuqta, jun tolalari vs non gʻovakligi, quloq vs qogʻoz qolip, simmetriya	Keyingi qatlamlar (mayda tekstura + umumiy joylashuv)

Juftlik qanchalik qiyin boʻlsa, shunchalik koʻp narsa kerak: koʻproq rasmlar (ayniqsa adashtiradigan rasmlar), yetarli ruxsat, chuqurroq qatlamlar va CutMix kabi maʼlumotlarni kengaytirish.

✓Tekshiruv savoli

Q1. Mushuk vs odam oson bellashuv boʻlishining eng toʻgʻri sababi qaysi?

Q2. Attentive CutMix da mushuk boʻlagidan 10 katak kuchukcha rasmiga yopishtirilgan boʻlsa, aralash rasmning toʻgʻri javobi qanday?

Q3. Chixuaxua vs maffin nega qiyinligini bu sahifadagi tushunchalar bilan eng yaxshi tushuntirgan javob qaysi?

Yangi boshlovchilar uchun tushuntirish

Qatlamlar rasmining oʻng chetidagi “butun joylashuvga qarab qaror qilish” bosqichiga yetgandagina bu juftlik ajraladi. Buning uchun shuncha koʻp maʼlumot va chuqur model kerak, shu bilan birga model keraksiz ishoralarga tayanib qolish ehtimoli ham ortadi. Samaradorlik raqamlari bilan birga xato topilgan rasmlarni oʻz koʻzingiz bilan koʻrib chiqish — tasvirlarni tasniflashdagi eng muhim odat.

7Turkum xulosasi

Bitta sxemada bogʻlash — bitta rasm javobga aylanguncha va javob modelni tuzatguncha

Toʻrt qism mazmunini bitta oqimga bogʻlaymiz. Katakni bossangiz, tegishli qismdagi tushuntirishga oʻtasiz.

Rasm
Mushukmi? Kuchukchami?

Oldinga yurish · bashorat hosil qilish

Piksel matritsasiX: 56×56×3Bir qatorga
yoyishBelgilar vektori + nishonx ∈ ℝ⁹⁴⁰⁸, yKoordinatalarni
oʻzgartirishKonvolyutsiya + ReLUF = max(0, X∗K)Belgilar
xaritasiPooling · takrorlash7×7×64YoyishToʻliq bogʻlangan + softmaxp = softmax(Wh+b)

Orqaga yurish · tuzatish

YoʻqotishL = −log p_toʻgʻriGradientning
teskari tarqalishiW ni tuzatishW ← W − η∂L/∂WOldingi
qatlamlargaK filtrni tuzatishK ← K − η∂L/∂K

Takrorlash
Yoʻqotish yetarlicha kichik boʻlguncha

Bir xil mezon boʻyicha taqqoslash

Tushuncha	Bir qatorli taʼrif	Asosiy formula	Boʻlmasa nima boʻladi
Piksellar matritsasi	Rasmning har bir katagi 0~255 oraligʻidagi son bilan yozilgan jadval	X ∈ {0…255}^H×W×3	Kompyuter rasmni hisoblay olmaydi
Belgi · nishon	Jadvalning bir qatori = namuna, ustun = belgi, toʻgʻri javob ustuni = nishon	(x, y), x ∈ ℝᵈ	Nimaga qarab nimani topishni aniqlab boʻlmaydi
Chiziqli klassifikator (perseptron · chiziqli SVM)	Belgilar fazosida bitta tekislik oʻtkazadi	w · x + b > 0	Chegarani aniqlab boʻlmaydi. Biroq faqat shuning oʻzi bilan piksel rasmlari yaxshi ajralmaydi
Konvolyutsiya filtri	Kichik sonlar jadvali yordamida naqsh qidiradigan muhr	Σ K·X + b	Piksellarni alohida-alohida koʻrgani uchun maʼno topilmaydi
Belgilar xaritasi	Naqsh qayerda va qanchalik borligini yozib qoʻygan yangi matritsa	F = ReLU(X∗K)	Keyingi qatlam birlashtiradigan xomashyo boʻlmaydi
Pooling	Eng kuchli javobni qoldirib, oʻlchamni kichraytiradi	max(2×2)	Hisob-kitob koʻp, bir katakka siljishda ham natija tebranadi
Toʻliq bogʻlangan + softmax	Belgilarni yigʻib ball chiqaradi va ehtimollikka aylantiradi	e^z_k/Σe^z_j	Belgilar topilgan, lekin javob tanlanmaydi
Maʼlumotlarni kengaytirish	Rasmlarni oʻzgartirib yoki aralashtirib oʻqitish misollarini koʻpaytiradi	CutMix, akslantirish, kesib olish	Faqat yodlangan rasmlarni toʻgʻri topib, yangi rasmlarda xato qiladi

Turkumning asosiy toʻrt qatori

1. Kompyuter rasmdan oʻqiydigan eng kichik axborot — bitta piksel katagidagi bitta kanal qiymati (0~255), butun rasm esa balandlik × kenglik × 3 ta sondan iborat matritsa.
2. Rasmni bir qatorga yoysak, baliqlar jadvali kabi tasniflash maʼlumotlari hosil boʻladi, lekin bitta piksel katagining oʻzida maʼno yoʻq, shuning uchun bitta tekislik (perseptron · chiziqli SVM) bilan yaxshi ajralmaydi. Shu sababli CNN 3 × 3 filtrlar yordamida qirra → shakl → qism → butun tartibidagi belgilarni oʻrganib, koordinatalarni oʻzgartiradi.
3. Oxirgi belgilar perseptron qatlami va softmax yordamida ehtimollikka aylantiriladi, xato qanchalik boʻlsa, filtrlar va vaznlar shunchalik tuzatiladi. Chixuaxua va maffin kabi quyi darajali belgilari bir xil juftliklar faqat keyingi qatlamlar va koʻp maʼlumot bilan ajraladi.
4. Quyi darajali belgilari bir xil juftliklar (chixuaxua va maffin) faqat yuqori darajali belgilar bilan ajraladi, model esa qisqa yoʻl ishoralari, notanish rasmlar va haddan tashqari ishonch tufayli xato qilishi mumkin. Samaradorlik raqamlari bilan birga xato topilgan rasmlarni ham koʻrib chiqamiz.

Yangi boshlovchilar uchun tushuntirish

4-1 da maʼnoli oʻzgaruvchilar yordamida qoida va chegaralarni, 4-2 da rasm sonlar matritsasi ekanini va filtr naqsh qidirishini, 4-3 da qatlamlarni qoʻyib koordinatalarni oʻzgartirish va maʼlumotlarni aralashtirib oʻrganish usulini, 4-4 da esa shunda ham qoladigan qiyinchiliklar va cheklovlarni koʻrib chiqdik. Boshqa tasniflash masalasiga duch kelsangiz, avvalo “Bu maʼlumotlar kataklarida maʼno bormi? Yoʻq boʻlsa, qanday naqsh maʼno hosil qiladi?” deb soʻrang.

Colab kodi — bu sahifani oʻzingiz ishga tushirib koʻring

Ikkala kod ham faqat Colab muhitida oldindan oʻrnatilgan kutubxonalar va ichki maʼlumotlardan foydalanadi. “Notebook (.ipynb) yuklab olish”dan soʻng Colab muhitida File → Upload notebook orqali oching yoki nusxalab, yangi Notebook katagiga joylashtiring.

Kod 1 · piksel qoidasi nega keraksiz katakni tanlaydi — sunʼiy rasmlar bilan takrorlash3·5-boʻlimlar bilan bogʻliq · numpy, scipy, matplotlib · CPU da bir necha soniya

Kod yordamida chixuaxuasimon va maffinsimon 28 × 28 rasmlar yaratib, bitta pikselli qoida, qorongʻi nuqta filtri va ikkita qism naqshini solishtiradi. Oʻz maʼlumotlaringizga moslash uchun draw() ni oʻz rasmlaringizni yuklashga almashtiring va pattern() dagi sohalarni rasmlaringizga moslang.

Ishga tushirish natijasi (2026-10-04 da ishga tushirilgan, numpy 2.4 · scipy 1.17 · CPU). Tasodifiy son urugʻi qayd etilgani uchun qachon ishga tushirilsa ham natija bir xil.

Kod 2 · ruxsat pasaysa, avval nima adashtiriladi4-boʻlim bilan bogʻliq · numpy, scikit-learn (maʼlumotlar ichida mavjud) · CPU da bir necha soniya

8 × 8 qoʻlyozma raqamlarni 4 × 4 va 2 × 2 gacha kichraytirib, bir xil klassifikatorning aniqligini va eng koʻp adashtirilgan raqamlar juftligini har bir ruxsat uchun koʻramiz.

Ishga tushirish natijasi (2026-10-04 da ishga tushirilgan, scikit-learn 1.8 · CPU). Maʼlumotlarni boʻlishdagi random_state ni oʻzgartirsangiz, sonlar biroz farq qiladi.

AI uchun amaliy promptlar — bu kodni boshlangʻich nuqta qilib olish

ChatGPT, Qwen, Claude kabi AI yordamchilarga joylashtiriladigan promptlar. “Nusxalash”ni bossangiz, prompt ortidan tanlangan kod ham qoʻshib qoʻyiladi. 〔〕 ichidagini oʻz vaziyatingizga moslab yozing.

Qoʻshib qoʻyiladigan kod

AI javobi faqat boshlangʻich nuqta. Taklif qilingan maqolalar, raqamlar va kutubxona funksiyalarini albatta asl manba va rasmiy hujjatlar orqali tekshiring. Tanlov yoki ilmiy maqolada AI yordamidan foydalangan boʻlsangiz, tashkilotchilar va jurnal qoidalariga koʻra foydalanish fakti va koʻlamini oshkor qiling.

Atamalar lugʻati

Matndagi sariq nuqtali tagchiziq bilan bir xil lugʻat. Butun turkumda bir xil yozuv ishlatiladi. Boʻlim nomini bossangiz, atama birinchi uchragan joyga oʻtasiz.

Oʻxshatishlar toʻplami — va oʻxshatish qayerda notoʻgʻri boʻladi

Oʻxshatish tushunishning birinchi qadami, ammo notoʻgʻri tushunchaning urugʻi ham boʻlishi mumkin. Inson koʻzi va miyasiga oid oʻxshatishlarda kuch darajasi koʻrsatilgan. Bevosita haqiqatda xuddi shu ishni bajarishiga dalil bor · Qisman faqat ayrim xususiyatlari oʻxshash · Yoʻq mos keladigan narsa maʼlum emas

Tushuncha	Kundalik oʻxshatish	Inson koʻzi va miyasiga oʻxshatish	Oʻxshatish qayerda notoʻgʻri boʻladi
Quyi darajali belgi	Uzoqdan koʻrilgan siluet	Qisman Odam ham qisqa nazar tashlaganda avval kontur va umumiy shaklga qarab hukm chiqaradi	Odam esa darhol kontekstni (likopcha, tasma) va xotirasini ishga soladi. Faqat oldingi qatlamlarga qaraydigan modelda bunday toʻldirish yoʻq
Yuqori darajali belgi	Yaqinlashib tanib olingan yuz	Qisman Yuqori koʻrish sohalarida yuz kabi murakkab shakllarga javob beradigan qismlar bor	Modelning yuqori darajali belgilari har doim ham odam nom bera oladigan “koʻz”, “quloq” boʻlavermaydi
Ruxsat	Katakli qogʻozdagi kataklar soni	Qisman Koʻz ham koʻrish maydonining faqat markazini batafsil koʻradi	Koʻz kerakli joyga nigohini qaratib batafsil koʻradi, model esa oldindan tayinlangan oʻlchamgacha kichraytirilgan bitta rasmnigina koʻradi
Qisqa yoʻl bilan oʻrganish	Test varagʻi burchagidagi dogʻga qarab javoblarni yodlab olgan oʻquvchi	Yoʻq	Oʻquvchi yodlab olganini biladi, model esa qaysi ishoradan foydalanayotganini bilmaydi
Haddan tashqari ishonch	“99% aniq!” deydigan yangi haydovchi	Yoʻq	Modelning ehtimolligi his-tuygʻu emas, hisoblangan qiymat. Kalibrlash orqali uni haqiqiy toʻgʻri javoblar ulushiga moslash mumkin

Muallif haqida va manbalar

E-1 Muallif haqida · E-2 Ilmiy manbalar · E-3 Rasm va maʼlumotlar uchun manbalar

E-1 Muallif haqida

Sangsun Ahn (M-Robo Inc. bosh direktori)

Korea Electrical Safety Corporation va Maeil Business Newspaper gazetasida ishlagan, hozir Maeil Business Newspaper gazetasining tashqi venchuri M-Robo Inc. kompaniyasini asos solib, uning bosh direktori lavozimida ishlamoqda. M-Robo Inc. — ommaviy axborot vositasining ichki venchuri sifatida boshlangan media venchur boʻlib, Kukmin Ilbo gazetasi uchun robot-jurnalist (StockBot) xizmatini taqdim etgan, Korea Internet & Security Agency, Korea Press Foundation, Korea Communications Agency va boshqa tashkilotlarda koʻplab loyihalarni amalga oshirgan. Hozirda oʻzining AI yangiliklar nashri Money-Robo xizmatini yuritmoqda. Bosh direktorlik davrida Asia Open Data Hackathon gʻolibi boʻlgan, maʼlumotlarga asoslangan tadbirkorlik sohasidagi xizmatlari uchun ikki marta Korea Ministry of the Interior and Safety vazirining mukofotini olgan, sunʼiy intellekt va blokcheyn sohalarida 5 ta patent muallifi va egasi. “AI jinoyatlari va oʻzini himoya qilish” (AI범죄와 자기방어) kitobining muallifi, Korea University of Technology and Education (KOREATECH) Online Lifelong Education Institute uchun fintex, statistika va sunʼiy intellekt boʻyicha elektron taʼlim kontentini ishlab chiqqan. Iqtisodiyot fanlari doktori (Dongguk University, mikro-matematik iqtisodiyot). Kookmin University, Hoseo University va boshqa koʻplab universitetlarda maʼlumotlar va sunʼiy intellektga oid fanlardan dars bermoqda. Batafsil profil

Maʼruzalar

Sangsun Ahn (2025). “Biznes uchun maʼlumotlar fani” (비즈니스를 위한 데이터 과학) maʼruza materiallari. Open Cyber University of Korea, Sunʼiy intellekt konvergensiyasi kafedrasi.
Sangsun Ahn (2025). [K-Digital] Sunʼiy intellekt yordamida tabiiy tilni qayta ishlash. STEP (Smart Training Education Platform), KOREATECH Online Lifelong Education Institute.
Sangsun Ahn (2024). [K-Digital] Fintex maʼlumotlarini tahlil qilish asoslari. STEP (Smart Training Education Platform), KOREATECH Online Lifelong Education Institute.

STEP kurslariga havolalar: link.step.or.kr/1qyVoJ · link.step.or.kr/M9na9N · link.step.or.kr/brqEyc
Sayt yangilangani sababli havola ochilmasa, www.step.or.kr sahifasiga kiring.

Maqolalar va maʼruzalar

Sangsun Ahn (2025). Koreya keksalik taʼminoti panel maʼlumotlari asosida uy xoʻjaligi xarajatlarini bashorat qilish modeli tadqiqoti: sunʼiy intellekt modellariga asoslangan yondashuv. “Kelajak jamiyati” (미래사회), 16(2). Asl matn
Sangsun Ahn (2025). Koreya keksalik taʼminoti panel maʼlumotlari asosida uy xoʻjaligi xarajatlarini bashorat qilish modeli tadqiqoti: sunʼiy intellekt yondashuvi. Keksalik taʼminoti paneli ilmiy konferensiyasi taqdimoti (2025.05.13), National Pension Service, National Pension Research Institute. Taqdimot
Sangsun Ahn (2025). SNS matnlari asosida shubhali giyohvand moddalar savdosini aniqlash algoritmi tadqiqoti: naqsh va kontekst tahliliga eʼtibor bilan. “Kelajak jamiyati” (미래사회), 16(1). Asl matn
Sangsun Ahn (2024). Moliya sohasidagi anomaliyalarni aniqlash modellari xavfsizligi uchun raqib maʼlumotlarga qarshi statistik choralar: empirik tahlil va simulyatsiya natijalari. “Kelajak jamiyati” (미래사회), 15(3). Asl matn
Sangsun Ahn (2024). Sunʼiy intellekt yordamida virtual personaj xususiyatlariga asoslangan SNS postlarini aniqlash yechimi. 2024 Summer Newmedia Party poster taqdimoti (2024.06.19), Seoul Media Institute of Technology.
Sangsun Ahn (2024). Ishlab chiqarishdagi baxtsiz hodisalar panel maʼlumotlaridan foydalangan mashinali oʻqitish modeli. 10-ishlab chiqarish jarohatlari sugʻurtasi paneli ilmiy konferensiyasi poster taqdimoti (2024.05.17), Korea Workers' Compensation & Welfare Service, Labor Welfare Research Institute.
Sangsun Ahn (2024). Virtual aktivlar vaqt qatorlari maʼlumotlarini tahlil qilish va bashorat qilish: vaqt qatorlari modellari va sunʼiy intellekt modellarini taqqoslash, takomillashtirish takliflari. “Kelajak jamiyati” (미래사회), 15(1). Asl matn

E-2 Ilmiy manbalar

[R1] Zeiler, M. D., & Fergus, R. (2014). Visualizing and understanding convolutional networks. ECCV 2014. — 6-boʻlim
[R2] Lowe, D. G. (2004). Distinctive image features from scale-invariant keypoints. International Journal of Computer Vision, 60(2), 91–110. — 3-boʻlim (xiralik farqi orqali nuqtalarni topish usuli)
[R3] Alpaydin, E., & Kaynak, C. (1998). Optical recognition of handwritten digits [Dataset]. UCI Machine Learning Repository. — Kod 2
[R4] LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(11), 2278–2324. — 4-boʻlim
[R5] Geirhos, R., Jacobsen, J.-H., Michaelis, C., Zemel, R., Brendel, W., Bethge, M., & Wichmann, F. A. (2020). Shortcut learning in deep neural networks. Nature Machine Intelligence, 2, 665–673. — 5·6-boʻlimlar
[R6] Hendrycks, D., & Dietterich, T. (2019). Benchmarking neural network robustness to common corruptions and perturbations. ICLR 2019. — 6-boʻlim
[R7] Guo, C., Pleiss, G., Sun, Y., & Weinberger, K. Q. (2017). On calibration of modern neural networks. ICML 2017. — 6-boʻlim
[R8] Walawalkar, D., Shen, Z., Liu, Z., & Savvides, M. (2020). Attentive CutMix. ICASSP 2020. — 6-boʻlimdagi taqqoslash jadvali

E-3 Rasm va maʼlumotlar uchun manbalar

1-boʻlimdagi rasmni muallifning oʻzi tayyorlagan. “Chixuaxuami yoki maffinmi” — keng tarqalgan internet memining gʻoyasi
2~4-boʻlimlardagi chixuaxua va maffin rasmlari shu rasmdan yuz qismini kesib olib, kichraytirish orqali tayyorlangan
5-boʻlimdagi 80 ta rasm 12 ta rasmning faqat joylashuvi va yorqinligini oʻzgartirib koʻpaytirilgan, ② dagi ikki filtrni esa odam tanlagan
6-boʻlimdagi qatlamlar rasmi [R1] koʻrsatgan tendensiyani soddalashtirib bergan konseptual sxema

Oʻqituvchilar uchun maslahat (TIP)

Oʻqituvchilar, ish joyida oʻqitish (OJT) masʼullari va repetitorlar uchun dars oʻtkazish boʻyicha qoʻllanma. Vaqtlar taxminiy, haqiqiy darsga moslab oʻzgartiring.

Auditoriya	4-1~4-3 ni tugatgan talabalar va xodimlar. Tasvirlar bilan ishlaydigan AI ni ishga joriy etishdan oldin uning “qayerda xato qilishini” bilmoqchi boʻlgan amaliyotchilar
Oldindan kerakli bilimlar	4-2 dagi piksel masofasi va filtrlar, 4-3 dagi CNN va maʼlumotlarni kengaytirish
Oʻquv maqsadlari	① Quyi darajali belgi va yuqori darajali belgi farqini misol bilan tushuntiradi ② Ruxsat va piksel qoidasining tasniflashga taʼsirini tajriba natijalari asosida tushuntiradi ③ Qisqa yoʻl bilan oʻrganish, taqsimot siljishi va haddan tashqari ishonchni farqlaydi va ularga qarshi choralarni aytadi
Taxminiy vaqt	Oʻqish 40~50 daqiqa · amaliy namoyish 25 daqiqa · Colab amaliyoti 25 daqiqa (Kod 1 — 15 daqiqa, Kod 2 — 10 daqiqa)

Uchta dars rejasi

Maʼruza, 50 daqiqa

Tushunchalarga eʼtibor

Kirish 5 daqiqa (1-boʻlim) → 2·3-boʻlimlar sonlar va quyi darajali belgilar 15 daqiqa → 4-boʻlim ruxsat 10 daqiqa → 6-boʻlim cheklovlar 15 daqiqa → tekshiruv savollari 5 daqiqa.

Ish joyida oʻqitish (OJT), 90 daqiqa

Ishda qoʻllashga eʼtibor

1-boʻlimni oʻz ishimizdagi “adashtiriladigan juftlik”larga almashtirib qidirish 15 daqiqa → 5-boʻlim: piksel qoidasi nega fonni tanlashini muhokama qilish 15 daqiqa → 6-boʻlimdagi uch turdagi xatoni oʻz maʼlumotlarimizga tatbiq etish 25 daqiqa → Kod 1 ni oʻz rasmlarimiz kompozitsiyasiga moslab ishga tushirish 35 daqiqa.

1:1 repetitorlik

Darajaga qarab surʼat

Boshlovchilar uchun faqat 1·2·3·6-boʻlimlar. Oʻrta darajadagilarga Kod 1 dagi pattern() ni oʻzgartirib, faqat quloq naqshi bilan qanchalik ajratish mumkinligini sinab koʻrishni hamda 6-boʻlimdagi kalibrlash (calibration) haqida izlanib, xulosa yozishni topshiring.

Boʻlimlar boʻyicha asosiy nuqtalar

Boʻlim	Toʻxtab beriladigan savol	Boshqaruv maslahati
1 Muammo	“Odam qanday ishoralar bilan ajratadi?”	Rasmni katta qilib ochib, yaltiroq nuqta, quloqlar va qolipni koʻrsatamiz
2 Sonlarda	“Chixuaxuaning eng yaqin doʻsti kim?”	Masofalar jadvalida har bir qatordagi eng kichik qiymatni koʻramiz
3 Quyi darajali belgi	“Uchta nuqta bir xil boʻlsa, model nima bilan ajratadi?”	“Qorongʻi nuqta” koʻrinishida raqamlarning joylashuvini solishtiramiz
4 Ruxsat	“Avval nima koʻrina boshlaydi?”	7 → 14 → 28 → 56 tartibida bosamiz
5 Qoida va naqsh	“Qoida tanlagan katakning chixuaxuaga aloqasi bormi?”	“Piksel qoidasini avtomatik topish”dan keyin koʻrsatilgan katakni koʻramiz
6 Cheklovlar	“Test natijasi 95% boʻlsa, real sharoitda ham 95% boʻladimi?”	Uch turdagi xato ichidan oʻz ishimiz uchun eng xavflisini tanlaymiz
7 Turkum xulosasi	“Bu maʼlumotlar kataklarida maʼno bormi?”	Oqim sxemasidagi kataklarni bosib, toʻrt qism orasida yuramiz

Keng tarqalgan notoʻgʻri tushunchalar Top 5

Notoʻgʻri tushuncha	Toʻgʻri tushuntirish	Koʻrsatiladigan joy
Adashish model ahmoq boʻlgani uchun yuz beradi	Sonlar mezoni boʻyicha ular haqiqatan oʻxshash. Yuqori darajali belgilarni oʻrganish uchun maʼlumotlar va tuzilma kerak	2-boʻlim jadvali
Ruxsat qanchalik yuqori boʻlsa, shunchalik yaxshi	Hisob-kitob va xotira ortadi, koʻproq maʼlumot kerak boʻladi. Masala uchun zarur ishoralar oʻlchamiga moslash kerak	4-boʻlim va Kod 2
Aniqlik yuqori boʻlsa, model toʻgʻri ishoraga qaragan boʻladi	Fon kabi qisqa yoʻl ishoralari bilan ham yuqori natija chiqadi	5-boʻlimdagi piksel qoidasi
Ehtimollik 0.99 boʻlsa, deyarli aniq	Model xato qilganda ham yuqori ehtimollik berishi mumkin. Kalibrlash kerak	6-boʻlimdagi haddan tashqari ishonch
Maʼlumotlarni koʻproq yigʻsak, hammasi hal boʻladi	Faqat bir xil sharoitdagi maʼlumotlarni koʻpaytirsak, notanish rasmlar muammosi qoladi. Xilma-xillik muhim	6-boʻlimdagi taqsimot siljishi

Tekshiruv savollari (izohni ochish uchun bosing)

Q1. Chixuaxua koʻzi katagi (39, 37, 43) va chernika katagi (37, 31, 37) ning kulrang yorqinligi qancha?

Chixuaxua 0.299×39 + 0.587×37 + 0.114×43 ≈ 38.3, chernika 0.299×37 + 0.587×31 + 0.114×37 ≈ 33.5. Deyarli bir xil.

Q2. Faqat quyi darajali belgilarga qaraydigan model nega chixuaxua va maffinni ajrata olmaydi?

Ikkala rasmda ham dumaloq boʻlak va uchburchak shaklida joylashgan uchta qorongʻi nuqta bor, shuning uchun oldingi qatlamlarning javobi deyarli bir xil boʻladi.

Q3. Kod 2 da ruxsat 4 × 4 boʻlganda eng koʻp adashtirilgan juftlik qaysi va nima uchun?

8→1 (14 marta). Kataklar 16 taga kamayganda 8 ning ikki halqasi va 1 ning tik chizigʻi oʻxshash yorqinlik taqsimotiga ega boʻlib qoladi.

Q4. Piksel qoidasining rasm chetidagi fon katagini tanlashi qaysi hodisaga misol?

Qisqa yoʻl bilan oʻrganish. Toʻgʻri javob bilan tasodifan birga uchraydigan oson ishora ushlab olingan.

Q5. Test aniqligi 95% boʻlgan modelni real sharoitda qoʻllashdan oldin tekshirish kerak boʻlgan ikki narsa qaysi?

Real sharoitdagi rasmlar oʻqitish va test rasmlari bilan bir xil sharoitdami (taqsimot siljishi) va modelning ehtimolliklari haqiqiy toʻgʻri javoblar ulushiga mos keladimi (kalibrlash). Xato topilgan rasmlarni oʻz koʻzingiz bilan koʻrish ham kerak.

Colab topshiriqlari

Asosiy

Kod 1 da maffinsimon rasmdagi qolip burmalarini olib tashlab (cup qismini oʻchirib) qayta ishga tushiring, qism naqshlarining yangi rasmlardagi aniqligi qanday oʻzgarishini koʻrib, 6-boʻlimdagi qisqa yoʻl bilan oʻrganishga bogʻlab tushuntiring.

Murakkab

Kod 2 ga 8 × 8 ruxsatda xiralashtirish (Gauss) qoʻllangan holatni qoʻshib, “kataklar sonini kamaytirish” va “xiralashtirish”dan qaysi biri aniqlikni koʻproq pasaytirishini solishtiring.

Qiyinlikni moslash va qoʻshimcha oʻrganish

Yangi boshlovchilar	4-boʻlimdagi kod natijalari jadvali va 5-boʻlimdagi ② ni oʻtkazib yuborsa boʻladi. 2·3·6-boʻlimlarni puxta tushunib oling
Chuqurlashtirilgan	Qisqa yoʻl bilan oʻrganishga oid holatlarni (tibbiy tasvirlar, avtonom haydash va h.k.) oʻrganib, taqdimot qilishni topshiring. Oʻrganilgan maqolalarni asl manbadan tekshirsinlar
Qoʻshimcha oʻrganish	4-1~4-3 · 3-3 Tasvirlar va CNN · Sangsun Ahn, “Biznes uchun maʼlumotlar fani” (비즈니스를 위한 데이터 과학) maʼruza materiallari
Oʻqituvchi uchun materiallar	Tekshiruv savollarini baholash mezonlari va topshiriqlarga misol javoblarni oʻqituvchilar uchun javoblar sahifasida (4-4) koʻrishingiz mumkin

Barakalla, yaxshi ishladingiz!

“4-4 Chixuaxua vs maffin” qismini oxirigacha oʻqidingiz. Laboratoriya jamoasi har biri bittadan xulosa aytib beradi.

Laboratoriya chiroqlarini oʻchirib, eshik oldida xayrlashayotgan laboratoriya jamoasining toʻrt aʼzosi tasvirlangan piksel art

Doktor“AI tasvirlarni qanday farqlaydi?” turkumini yakunladik.

Katakda maʼno boʻlsa — qoida, boʻlmasa — naqsh
Quyi darajali belgilar aldanadi, yuqori darajali belgilar ajratadi
Natija raqami bilan birga xato topilgan rasmlarni ham koʻzdan kechiramiz

YordamchiPiksel qoidasi fon katagini tanlaganda rosa hayron qoldim!

Drozofila tadqiqotchisiMarraga yetganing bilan tabriklayman! Endi oʻz maʼlumotlaringdagi “chixuaxua va maffin”ni topib koʻr.