Esploriamo come funzionano le applicazioni della visione artificiale

Quando abbiamo esplorato la history of computer vision models, abbiamo visto come la computer vision si sia evoluta e il percorso che ha portato ai modelli di visione avanzati che abbiamo oggi. I modelli moderni come Ultralytics YOLOv8 supportano molteplici computer vision tasks e vengono utilizzati in varie applicazioni entusiasmanti.

In questo articolo, daremo uno sguardo alle basi della computer vision e dei modelli di visione. Tratteremo il loro funzionamento e le loro diverse applicazioni in svariati settori. Le innovazioni della computer vision sono ovunque, plasmando silenziosamente il nostro mondo. Scopriamole una per una!

Cos'è la computer vision?#

L'intelligenza artificiale (AI) è un termine generale che racchiude molte tecnologie volte a replicare una parte dell'intelligenza umana. Uno di questi sottocampi dell'AI è la computer vision. La computer vision si concentra sul dare alle macchine occhi in grado di vedere, osservare e comprendere ciò che le circonda.

Proprio come la visione umana, le soluzioni di computer vision mirano a distinguere oggetti, calcolare distanze e rilevare movimenti. Tuttavia, a differenza degli esseri umani, che dispongono di una vita di esperienze per aiutarli a vedere e capire, i computer si basano su enormi quantità di dati, telecamere ad alta definizione e algoritmi complessi.

Fig 1. Confronto tra visione umana e computer vision.

I sistemi di computer vision possono elaborare e analizzare dati visivi come immagini e video a velocità e precisione incredibili. La capacità di analizzare rapidamente e accuratamente vaste quantità di informazioni visive rende la computer vision uno strumento potente in vari settori, che vanno dal manufacturing alla healthcare.

I modelli di visione supportano vari task di computer vision#

I modelli di computer vision sono il nucleo di qualsiasi applicazione di computer vision. Sono essenzialmente algoritmi di calcolo basati su tecniche di deep learning progettate per dare alle macchine la capacità di interpretare e comprendere le informazioni visive. I modelli di visione consentono di svolgere attività di computer vision fondamentali che vanno dalla image classification al object detection. Diamo un'occhiata più ravvicinata ad alcune di queste attività e ai relativi casi d'uso in modo più dettagliato.

Classificazione immagini#

La Image classification consiste nel classificare ed etichettare le immagini in classi o categorie predefinite. Un modello di visione come YOLOv8 può essere addestrato su grandi datasets di immagini etichettate. Durante l'addestramento, il modello impara a riconoscere pattern e caratteristiche associati a ciascuna classe. Una volta addestrato, può prevedere la categoria di immagini nuove e mai viste prima analizzandone le caratteristiche e confrontandole con i pattern appresi.

Fig 2. Un esempio di classificazione delle immagini. (fonte: towardsdatascience.com)

Esistono diversi tipi di classificazione delle immagini. Ad esempio, quando hai a che fare con medical images, puoi usare la classificazione binaria per suddividere le immagini in due gruppi, come sane o malate. Un altro tipo è la classificazione multiclasse. Può aiutare a classificare le immagini in molti gruppi, come classifying different animals on a farm tra cui maiali, capre e mucche. Oppure, supponi di voler classificare gli animali in gruppi e sottogruppi, come classificare gli animali in mammiferi e uccelli e poi ulteriormente in specie come leoni, tigri, aquile e passeri; la classificazione gerarchica sarebbe l'opzione migliore.

Object detection#

L'object detection è il processo di identificazione e localizzazione di oggetti in immagini e fotogrammi video utilizzando la computer vision. Consiste in due task: localizzazione degli oggetti, che disegna bounding box attorno agli oggetti, e classificazione degli oggetti, che identifica la categoria di ogni oggetto. Sulla base delle annotazioni dei bounding box, un modello di visione può imparare a riconoscere pattern e caratteristiche specifici per ogni categoria di oggetto e prevedere la presenza e la posizione di tali oggetti in immagini nuove e mai viste prima.

Fig 3. Object detection con YOLOv8 utilizzata per rilevare giocatori su un campo da calcio.

L'object detection ha molti casi d'uso in diversi settori, ovunque dallo sports alla biologia marina. Ad esempio, nel retail, la tecnologia Amazon’s Just Walk Out utilizza l'object detection per automatizzare il checkout identificando gli articoli che i clienti prelevano. Una combinazione di computer vision e dati dei sensori consente ai clienti di prendere i propri articoli e andarsene senza fare la fila.

Ecco uno sguardo più da vicino a come funziona:

• Le telecamere montate sul soffitto catturano i clienti che si muovono all'interno del negozio e questo filmato viene elaborato in tempo reale dai modelli di visione.
• L'object detection viene utilizzata per rilevare l'esatto prodotto che un cliente prende e mette nel cestino per aggiornare il carrello virtuale di conseguenza.
• I sensori di peso sugli scaffali migliorano la precisione rilevando la rimozione o la sostituzione di un articolo.
• Mentre il cliente esce dal negozio, la tecnologia di object detection e facial recognition può essere utilizzata per confermare che il cliente è uscito, e i suoi dati di pagamento, come una carta di credito, possono essere impiegati per l'addebito automatico.

Segmentazione semantica e di istanza#

La segmentazione semantica e la instance segmentation sono attività di computer vision che aiutano a partizionare le immagini in segmenti significativi. La segmentazione semantica classifica i pixel in base al loro significato semantico e tratta tutti gli oggetti all'interno di una categoria come un'unica entità con la stessa etichetta. È adatta per etichettare oggetti non conteggiabili come "il cielo" o "l'oceano" oppure cluster come "foglie" o "erba".

La segmentazione di istanza, d'altro canto, può distinguere diverse istanze della stessa classe assegnando un'etichetta univoca a ogni oggetto rilevato. Puoi utilizzare la segmentazione di istanza per segmentare oggetti numerabili in cui il numero e l'indipendenza degli oggetti sono importanti. Consente un'identificazione e una differenziazione più precise.

Fig 4. Un esempio di segmentazione semantica e di istanza.

Possiamo comprendere il contrasto tra segmentazione semantica e segmentazione d'istanza in modo più chiaro con un esempio legato alle self-driving cars. La segmentazione semantica è ideale per le attività che richiedono la comprensione dei contenuti di una scena e può essere utilizzata nei veicoli autonomi per classificare le caratteristiche sulla strada, come le strisce pedonali e i cartelli stradali. Nel frattempo, la segmentazione d'istanza può essere utilizzata nei veicoli autonomi per distinguere tra singoli pedoni, veicoli e ostacoli.

Pose estimation#

La Pose estimation è un'attività di computer vision incentrata sull'individuazione e sul tracciamento dei punti chiave delle pose di un oggetto in immagini o video. Viene utilizzata più comunemente per la stima della posa umana, con punti chiave che includono aree come le spalle e le ginocchia. Stimare la posa di un essere umano ci aiuta a comprendere e riconoscere azioni e movimenti fondamentali per varie applicazioni.

Fig 5. Un esempio di stima della posa tramite YOLOv8.

La pose estimation può essere utilizzata nello sport per analizzare come si muovono gli atleti. L'NBA utilizza la pose estimation per studiare i movimenti e le posizioni dei giocatori durante la partita. Tracciando punti chiave come spalle, gomiti, ginocchia e caviglie, la pose estimation fornisce approfondimenti dettagliati sui movimenti dei giocatori. Questi approfondimenti aiutano gli allenatori a sviluppare strategie migliori, ottimizzare i programmi di allenamento e apportare modifiche in tempo reale durante le partite. Inoltre, i dati possono aiutare a monitorare l'affaticamento del giocatore e il rischio di infortuni per migliorare la salute e le prestazioni generali del giocatore.

Object detection con bounding box orientati#

Il Oriented Bounding Boxes Object Detection (OBB) utilizza rettangoli ruotati per identificare e localizzare con precisione gli oggetti in un'immagine. A differenza dei bounding box standard che si allineano agli assi dell'immagine, gli OBB ruotano per adattarsi all'orientamento dell'oggetto. Questo li rende particolarmente utili per gli oggetti che non sono perfettamente orizzontali o verticali. Sono eccellenti per individuare e isolare con precisione oggetti ruotati per evitare sovrapposizioni in ambienti affollati.

Fig 6. Un esempio di Rilevamento con Bounding Box Orientati su un'Immagine Aerea di Barche Utilizzando YOLOv8.

Nella sorveglianza maritime, l'identificazione e il tracciamento delle navi sono fondamentali per la sicurezza e la gestione delle risorse. Il rilevamento OBB può essere utilizzato per una localizzazione precisa delle navi, anche quando sono densamente stipate o orientate a vari angoli. Aiuta a monitorare le rotte di navigazione, gestire il traffico marittimo e ottimizzare le operazioni portuali. Può anche assistere nella risposta ai disastri identificando e valutando rapidamente i danni a navi e infrastrutture in seguito a eventi come uragani o oil spills.

Object tracking#

Finora abbiamo discusso di attività di computer vision che gestiscono le immagini. L'Object tracking è un'attività di computer vision in grado di tracciare un oggetto attraverso i fotogrammi di un video. Inizia identificando l'oggetto nel primo fotogramma utilizzando algoritmi di rilevamento e ne segue continuamente la posizione mentre si sposta nel video. L'object tracking coinvolge tecniche come l'object detection, l'estrazione di caratteristiche e la previsione del movimento per mantenere il tracciamento accurato.

Fig 7. Utilizzo di YOLOv8 per tracciare pesci.

I modelli di visione come YOLOv8 possono essere utilizzati per track fish in marine biology. Utilizzando telecamere subacquee, i ricercatori possono monitorare i movimenti e i comportamenti dei pesci nei loro habitat naturali. Il processo inizia rilevando i singoli pesci nei primi fotogrammi e poi seguendo le loro posizioni per tutto il video. Il tracciamento dei pesci aiuta gli scienziati a comprendere i pattern di migrazione, i comportamenti sociali e le interazioni con l'ambiente. Supporta inoltre pratiche di pesca sostenibile fornendo informazioni sulla distribuzione e sull'abbondanza dei pesci.

Uno sguardo finale alla computer vision#

La computer vision sta cambiando attivamente il modo in cui usiamo la tecnologia e interagiamo con il mondo. Utilizzando modelli di deep learning e algoritmi complessi per comprendere immagini e video, la computer vision aiuta i settori a semplificare molti processi. Task di computer vision come l'object detection e l'object tracking stanno rendendo possibile creare soluzioni che non sono mai state immaginate prima. Poiché la tecnologia di computer vision continua a migliorare, il futuro riserva molte altre applicazioni innovative!

Impariamo e cresciamo insieme! Esplora il nostro repository GitHub per scoprire i nostri contributi all'IA. Guarda come stiamo ridefinendo settori come le auto a guida autonoma e l'agricoltura con l'IA. 🚀