Una guida per approfondire l'object detection nel 2025

Molte industrie stanno rapidamente integrando soluzioni di intelligenza artificiale (IA) nelle loro operazioni. Tra le numerose tecnologie di IA disponibili oggi, la computer vision è una delle più popolari. La computer vision è una branca dell'IA che aiuta i computer a vedere e comprendere il contenuto di immagini e video, proprio come fanno gli umani. Rende possibile alle macchine riconoscere oggetti, identificare modelli e dare un senso a ciò che stanno guardando. 

Si stima che il valore del mercato globale della computer vision raggiungerà i 175,72 miliardi di dollari entro il 2032. La computer vision comprende diverse attività che consentono ai sistemi di Vision AI di analizzare e interpretare i dati visivi. Una delle attività più utilizzate ed essenziali della computer vision è il rilevamento di oggetti. 

Il rilevamento degli oggetti si concentra sulla localizzazione e sulla classificazione degli oggetti nei dati visivi. Ad esempio, se si mostra al computer l'immagine di una mucca, il computer è in grado di detect la mucca e di disegnare un rettangolo di selezione intorno ad essa. Questa capacità è utile in applicazioni reali come il monitoraggio degli animali, le auto a guida autonoma e la sorveglianza. 

Quindi, come si può effettuare il rilevamento degli oggetti? Un modo è quello di utilizzare modelli di visione computerizzata. Ad esempio, Ultralytics YOLO11 è un modello di computer vision che supporta attività di computer vision come il rilevamento degli oggetti. 

In questa guida esploreremo il rilevamento degli oggetti e il suo funzionamento. Verranno inoltre illustrate alcune applicazioni reali del rilevamento degli oggetti e di Ultralytics YOLO11.

‍

Cos'è il rilevamento di oggetti? 

Il rilevamento di oggetti è un'attività di computer vision che identifica e localizza oggetti in immagini o video. Risponde a due domande chiave: 'Quali oggetti sono presenti nell'immagine?' e 'Dove sono localizzati?'

È possibile pensare al rilevamento degli oggetti come a un processo che prevede due fasi fondamentali. La prima, la classificazione degli oggetti, consente al sistema di riconoscere ed etichettare gli oggetti, come ad esempio l'identificazione di un gatto, di un'auto o di una persona sulla base di modelli appresi. La seconda, la localizzazione, determina la posizione dell'oggetto disegnando un riquadro di delimitazione intorno ad esso, indicando dove appare nell'immagine. Insieme, queste fasi consentono alle macchine di detect e comprendere gli oggetti in una scena.

L'aspetto del rilevamento di oggetti che lo rende unico è la sua capacità di riconoscere gli oggetti e individuarne la posizione con precisione. Altre attività di computer vision si concentrano su obiettivi diversi.

Ad esempio, la classificazione delle immagini assegna un'etichetta a un'intera immagine. Nel frattempo, la segmentazione delle immagini fornisce una comprensione a livello di pixel dei diversi elementi. D'altra parte, il rilevamento di oggetti combina il riconoscimento con la localizzazione. Questo lo rende particolarmente utile per attività come il conteggio di più oggetti in tempo reale.

‍

Riconoscimento oggetti vs. rilevamento oggetti

Esplorando i vari termini della computer vision, si potrebbe pensare che il riconoscimento degli oggetti e il rilevamento degli oggetti siano intercambiabili, ma hanno scopi diversi. Un ottimo modo per capire la differenza è osservare il rilevamento dei volti e il riconoscimento facciale.

Il rilevamento dei volti è un tipo di rilevamento degli oggetti. Identifica la presenza di un volto in un'immagine e ne segna la posizione utilizzando un rettangolo di selezione. Risponde alla domanda: "Dove si trova il volto nell'immagine?". Questa tecnologia è comunemente utilizzata nelle fotocamere degli smartphone che mettono a fuoco automaticamente i volti o nelle telecamere di sicurezza che detect la presenza di una persona.

Il riconoscimento dei volti, invece, è una forma di riconoscimento degli oggetti. Non si limita a detect un volto, ma identifica di chi si tratta analizzando le caratteristiche uniche e confrontandole con un database. Risponde alla domanda: "Chi è questa persona?". È la tecnologia alla base dello sblocco del telefono con Face ID o dei sistemi di sicurezza aeroportuale che verificano le identità.

In parole semplici, il rilevamento di oggetti trova e localizza gli oggetti, mentre il riconoscimento di oggetti li classifica e li identifica. 

‍

Molti modelli di rilevamento degli oggetti, come YOLO11, sono progettati per supportare il rilevamento dei volti, ma non il loro riconoscimento. YOLO11 è in grado di identificare in modo efficiente la presenza di un volto in un'immagine e di disegnare un riquadro di delimitazione attorno ad esso, rendendolo utile per applicazioni come i sistemi di sorveglianza, il monitoraggio della folla e l'etichettatura automatica delle foto. Tuttavia, non è in grado di determinare di chi sia il volto. YOLO11 può essere integrato con modelli addestrati specificamente per il riconoscimento dei volti, come Facenet o DeepFace, per consentire sia il rilevamento che l'identificazione in un unico sistema.

Capire come funziona il rilevamento di oggetti

Prima di discutere di come funziona il rilevamento di oggetti, diamo prima un'occhiata più da vicino a come un computer analizza un'immagine. Invece di vedere un'immagine come noi, un computer la suddivide in una griglia di piccoli quadrati chiamati pixel. Ogni pixel contiene informazioni sul colore e sulla luminosità che i computer possono elaborare per interpretare i dati visivi.

Per dare un senso a questi pixel, gli algoritmi li raggruppano in regioni significative in base alla forma, al colore e alla vicinanza tra loro. I modelli di rilevamento degli oggetti, come YOLO11, sono in grado di riconoscere modelli o caratteristiche in questi gruppi di pixel. 

Ad esempio, un'auto a guida autonoma non vede un pedone come lo vediamo noi: rileva forme e modelli che corrispondono alle caratteristiche di un pedone. Questi modelli si basano su un ampio addestramento con dataset di immagini etichettati, che consente loro di apprendere le caratteristiche distintive di oggetti come auto, segnali stradali e persone.

Un tipico modello di rilevamento di oggetti ha tre parti fondamentali: backbone, neck e head. Il backbone estrae caratteristiche importanti da un'immagine. Il neck elabora e affina queste caratteristiche, mentre la head è responsabile della previsione delle posizioni degli oggetti e della loro classificazione.

Affinare i rilevamenti e presentare i risultati

Una volta effettuati i rilevamenti iniziali, vengono applicate tecniche di post-elaborazione per migliorare la precisione e filtrare le previsioni ridondanti. Ad esempio, i riquadri di delimitazione sovrapposti vengono rimossi, garantendo che vengano conservati solo i rilevamenti più rilevanti. Inoltre, a ogni oggetto rilevato vengono assegnati punteggi di confidenza (valori numerici che rappresentano quanto il modello è sicuro che un oggetto rilevato appartenga a una determinata classe) per indicare la certezza del modello nelle sue previsioni.

Infine, l'output viene presentato con dei riquadri di delimitazione disegnati attorno agli oggetti rilevati, insieme alle etichette di classe previste e ai punteggi di confidenza. Questi risultati possono quindi essere utilizzati per applicazioni nel mondo reale.

Modelli di object detection più diffusi 

Al giorno d'oggi sono disponibili molti modelli di visione computerizzata e alcuni dei più popolari sono i modelliUltralytics YOLO . Sono noti per la loro velocità, precisione e versatilità. Nel corso degli anni, questi modelli sono diventati più veloci, più precisi e in grado di gestire una gamma più ampia di compiti. Il rilascio di Ultralytics YOLOv5 ha reso più semplice l'implementazione di framework come PyTorch, consentendo a un maggior numero di persone di utilizzare l'IA di visione avanzata senza dover disporre di competenze tecniche approfondite.

Partendo da queste basi, Ultralytics YOLOv8 ha introdotto nuove funzionalità come la segmentazione delle istanze, la stima della posa e la classificazione delle immagini. Ora YOLO11 si spinge ancora più in là, con prestazioni migliori per più compiti. Con il 22% di parametri in meno rispetto a YOLOv8m, YOLO11m raggiunge una precisione media superioremAP) sul dataset COCO . In parole povere, YOLO11 è in grado di riconoscere gli oggetti con maggiore precisione utilizzando meno risorse, il che lo rende più veloce e affidabile.

Sia che siate esperti di intelligenza artificiale o che abbiate appena iniziato, YOLO11 offre una soluzione potente ma facile da usare per le applicazioni di computer vision.

Addestramento personalizzato di un modello per l'object detection

L'addestramento di modelli di AI visiva implica l'aiuto ai computer per riconoscere e comprendere immagini e video. Tuttavia, l'addestramento può essere un processo lungo. Invece di partire da zero, il transfer learning velocizza le cose utilizzando modelli pre-addestrati che già riconoscono schemi comuni.

Ad esempio, YOLO11 è già stato addestrato sul set di datiCOCO , che contiene una serie diversificata di oggetti di uso quotidiano. Questo modello pre-addestrato può essere ulteriormente personalizzato per detect oggetti specifici che potrebbero non essere inclusi nel set di dati originale. 

Per addestrare YOLO11 in modo personalizzato, è necessario un set di dati etichettati che contenga immagini degli oggetti che si desidera detect. Ad esempio, se si vuole costruire un modello per identificare i diversi tipi di frutta in un negozio di alimentari, si deve creare un set di dati con immagini etichettate di mele, banane, arance, ecc. Una volta preparato il set di dati, YOLO11 può essere addestrato, regolando parametri come la dimensione del batch, il tasso di apprendimento e le epoche per ottimizzare le prestazioni.

Con questo approccio, le aziende possono addestrare YOLO11 a detect qualsiasi cosa, dai pezzi difettosi nella produzione alle specie selvatiche nei progetti di conservazione, adattando il modello alle loro esatte esigenze.

Applicazioni dell'object detection

Successivamente, diamo un'occhiata ad alcuni dei casi d'uso reali dell'object detection e a come sta trasformando vari settori.

Rilevamento di pericoli per la guida autonoma

Le auto a guida autonoma utilizzano attività di computer vision come l'object detection per navigare in sicurezza ed evitare ostacoli. Questa tecnologia le aiuta a riconoscere pedoni, altri veicoli, buche e pericoli stradali, consentendo loro di comprendere meglio l'ambiente circostante. Possono prendere decisioni rapide e muoversi in sicurezza nel traffico analizzando costantemente il loro ambiente.

‍

Analisi di immagini mediche nel settore sanitario

Le tecniche di imaging medico come i raggi X, le risonanze magnetiche, le TAC e gli ultrasuoni creano immagini altamente dettagliate del corpo umano per aiutare a diagnosticare e trattare le malattie. Queste scansioni producono grandi quantità di dati che i medici, come i radiologi e i patologi, devono analizzare attentamente per detect malattie. Tuttavia, l'esame dettagliato di ogni immagine può richiedere molto tempo e gli esperti umani possono talvolta perdere dei dettagli a causa della stanchezza o della mancanza di tempo.

I modelli di rilevamento degli oggetti come YOLO11 possono aiutare a identificare automaticamente le caratteristiche chiave delle scansioni mediche, come organi, tumori o anomalie, con un'elevata precisione. I modelli addestrati su misura possono evidenziare le aree di interesse con riquadri di delimitazione, aiutando i medici a concentrarsi più rapidamente sui potenziali problemi. In questo modo si riduce il carico di lavoro, si migliora l'efficienza e si ottengono rapidamente informazioni.

‍

Aumento della sicurezza con il rilevamento di persone e anomalie

Il tracciamento degli oggetti è un'attività di computer vision supportata da YOLO11, che consente il monitoraggio in tempo reale e migliora la sicurezza. Si basa sul rilevamento degli oggetti, identificandoli e seguendone continuamente il movimento attraverso i fotogrammi. Questa tecnologia è ampiamente utilizzata nei sistemi di sorveglianza per migliorare la sicurezza in vari ambienti.

Ad esempio, nelle scuole e negli asili nido, il tracciamento degli oggetti può aiutare a monitorare i bambini e a impedire che si allontanino. Nelle applicazioni di sicurezza, svolge un ruolo fondamentale nel rilevamento di intrusi in aree riservate, nel monitoraggio delle folle per individuare eventuali sovraffollamenti o comportamenti sospetti e nell'invio di avvisi in tempo reale quando vengono rilevate attività non autorizzate. Tenendo track degli oggetti mentre si muovono, i sistemi di tracciamento YOLO11 migliorano la sicurezza, automatizzano il monitoraggio e consentono di reagire più rapidamente alle potenziali minacce.

Pro e contro dell'object detection

Ecco alcuni dei principali vantaggi che l'object detection può apportare a vari settori:

• Automazione: L'object detection può aiutare a ridurre la necessità di supervisione umana in attività come il monitoraggio di filmati CCTV.
  ‍
• Funziona con altri modelli di IA: Può essere integrato con sistemi di riconoscimento facciale, riconoscimento delle azioni e tracciamento per migliorare precisione e funzionalità.
  ‍
• Elaborazione in tempo reale: Molti modelli di rilevamento degli oggetti, come YOLO11, sono veloci ed efficienti e sono quindi ideali per le applicazioni in tempo reale che richiedono risultati immediati. 

Sebbene questi vantaggi evidenzino l'impatto dell'object detection in diversi casi d'uso, è importante considerare anche le sfide legate alla sua implementazione. Ecco alcune delle sfide principali:

• Privacy dei dati: L'uso di dati visivi, specialmente in aree sensibili come la sorveglianza o la sanità, può sollevare problemi di privacy e preoccupazioni per la sicurezza.

• Occlusione: L'occlusione nel rilevamento degli oggetti si verifica quando questi sono parzialmente bloccati o nascosti alla vista, rendendo difficile per il modello detect e classify con precisione.

• Costoso in termini di calcolo: I modelli ad alte prestazioni spesso richiedono potenti GPU (Graphics Processing Units) per l'elaborazione, rendendo costosa l'implementazione in tempo reale.

Punti chiave

Il rilevamento degli oggetti è uno strumento rivoluzionario della computer vision che aiuta le macchine a detect e localizzare gli oggetti nelle immagini e nei video. Viene utilizzato in settori che vanno dalle auto a guida autonoma all'assistenza sanitaria, rendendo le attività più semplici, sicure ed efficienti. Con i modelli più recenti, come YOLO11, le aziende possono creare facilmente modelli di rilevamento degli oggetti personalizzati per creare applicazioni di computer vision specializzate. 

Nonostante alcune sfide, come i problemi di privacy e gli oggetti nascosti alla vista, l'object detection è una tecnologia affidabile. La sua capacità di automatizzare le attività, elaborare dati visivi in tempo reale e integrarsi con altri strumenti di Vision AI la rende una parte essenziale delle innovazioni all'avanguardia.

Per saperne di più, visitate il nostro repository GitHub e partecipate alla nostra comunità. Esplorate le innovazioni in settori come l'IA nelle auto a guida autonoma e la computer vision in agricoltura sulle nostre pagine dedicate alle soluzioni. Scoprite le nostre opzioni di licenza yolo e date vita ai vostri progetti Vision AI. 🚀