Alla scoperta del rilevamento di oggetti di piccole dimensioni con Ultralytics YOLO11

I droni integrati con l'AI per la visione possono volare a centinaia di metri dal suolo, pur dovendo rilevare una persona che appare come appena pochi pixel nel loro feed video. Si tratta infatti di una sfida comune in applicazioni come la robotica, la sorveglianza e il telerilevamento, dove i sistemi devono identificare oggetti molto piccoli all'interno di un'immagine.

Tuttavia, i modelli tradizionali di rilevamento degli oggetti possono avere difficoltà. Gli oggetti piccoli nelle immagini e nei video rappresentano una quantità molto limitata di informazioni visive. In parole semplici, quando un modello li osserva, non c'è molto dettaglio da cui imparare o che possa riconoscere.

Alla base, questi modelli si affidano in genere a un'architettura basata su una rete neurale convoluzionale (CNN). Le immagini attraversano i livelli della rete e vengono trasformate in mappe di caratteristiche o rappresentazioni semplificate che evidenziano i pattern rilevanti invece dei pixel grezzi.

Man mano che l'immagine avanza nella rete, queste mappe di caratteristiche diventano più piccole. Questo rende i calcoli più veloci, ma significa anche che i dettagli più fini possono scomparire.

Per gli oggetti minuscoli, questi dettagli sono fondamentali. Quando scompaiono, un modello di computer vision può avere difficoltà a rilevare l'oggetto, causando riquadri di delimitazione meno accurati o incoerenti.

I sistemi di computer vision end-to-end in tempo reale rendono la situazione ancora più complessa. Le immagini ad alta risoluzione aiutano a preservare i dettagli, ma rallentano l'inferenza e richiedono maggiore potenza GPU. Le risoluzioni più basse sono più rapide, ma rendono gli oggetti piccoli ancora più difficili da rilevare.

Si tratta di un continuo compromesso tra velocità, accuratezza e limiti dell'hardware. Grazie ai recenti progressi tecnologici, modelli di computer vision come Ultralytics YOLO11 e l'imminente Ultralytics YOLO26 sono progettati per gestire questo compromesso in modo più efficace.

Fig. 1. Utilizzo di YOLO11 per rilevare piccoli oggetti nelle immagini aeree (Fonte)

In questo articolo esploreremo perché il rilevamento di piccoli oggetti è difficile e come Ultralytics YOLO11 può semplificarlo. Iniziamo!

Che cos'è il rilevamento di piccoli oggetti e perché è importante?#

Il rilevamento di piccoli oggetti è un'attività di computer vision, un ramo dell'AI, che si concentra sull'identificazione e sulla localizzazione di oggetti che occupano una porzione molto ridotta di un'immagine. Questi oggetti sono spesso rappresentati nell'immagine da un numero limitato di pixel, le unità più piccole di un'immagine digitale. Questo li rende più difficili da rilevare rispetto a target più grandi e nitidi (che spesso contengono più pixel).

Per esempio, veicoli nelle immagini aeree, strumenti sul pavimento di una fabbrica o persone riprese da telecamere di sorveglianza grandangolari possono apparire tutti come piccoli oggetti nell'immagine. Rilevarli è importante perché spesso contengono informazioni critiche e molte applicazioni del mondo reale, come la sorveglianza, dipendono da questi rilevamenti per funzionare correttamente.

Quando i piccoli oggetti non vengono rilevati, le prestazioni del sistema e il processo decisionale possono risentirne. Il monitoraggio di veicoli aerei senza pilota (UAV) è un buon esempio: non rilevare un piccolo oggetto in movimento sul terreno può influire sulla navigazione o sull'accuratezza del tracciamento.

Le sfide legate al rilevamento di piccoli oggetti#

I sistemi precedenti utilizzavano caratteristiche progettate manualmente e metodi tradizionali di computer vision, che avevano difficoltà in scene affollate o variabili. Ancora oggi, sebbene i modelli di deep learning offrano prestazioni molto migliori, rilevare piccoli target rimane difficile quando occupano solo una minima parte dell'immagine.

Vediamo ora alcune delle sfide comuni che si presentano in diversi scenari del mondo reale durante il rilevamento di piccoli oggetti.

Dimensioni, pixel e perdita di informazioni#

Gli oggetti piccoli contengono pochissimi pixel, limitando la quantità di dettagli visivi che un modello può apprendere durante fasi come l'estrazione delle caratteristiche. Di conseguenza, pattern come bordi, forme e texture sono più difficili da rilevare, rendendo più probabile che gli oggetti piccoli si confondano con lo sfondo.

Mentre le immagini attraversano i livelli convoluzionali di una rete neurale, le informazioni visive contenute nei pixel vengono gradualmente compresse in mappe di caratteristiche. Questo aiuta il modello a rimanere efficiente, ma significa anche che i dettagli più fini svaniscono.

Fig. 2. Le mappe di caratteristiche rappresentano pattern visivi in un'immagine (Fonte)

Per i target piccoli, gli indizi importanti possono scomparire prima che la rete di rilevamento abbia la possibilità di intervenire. Quando accade, la localizzazione diventa meno affidabile e i riquadri di delimitazione possono spostarsi, sovrapporsi o non rilevare affatto gli oggetti target.

Occlusione, variabilità della scala e contesto#

Le sfide legate alle dimensioni sono spesso aggravate anche dall'occlusione. L'occlusione si verifica quando gli oggetti, soprattutto quelli più piccoli, sono parzialmente nascosti da altri oggetti nella scena.

Questo riduce l'area visibile di un target, limitando le informazioni disponibili per il rilevatore di oggetti. Anche una piccola occlusione può confondere le reti di rilevamento, soprattutto se combinata con un input a bassa risoluzione. Un esempio interessante è rappresentato dai dataset UAV come VisDrone, dove pedoni, biciclette o veicoli possono essere parzialmente bloccati da edifici, alberi o altri oggetti in movimento.

Fig. 3. Un esempio dal dataset VisDrone che mostra piccoli oggetti (Fonte)

Analogamente, la variabilità della scala introduce un ulteriore livello di difficoltà quando lo stesso oggetto appare molto piccolo o relativamente grande a seconda della distanza e della posizione della telecamera. Nonostante queste difficoltà, gli algoritmi di rilevamento devono riconoscere questi piccoli oggetti a scale diverse senza perdere accuratezza.

Anche il contesto svolge un ruolo importante nel rilevamento. Per esempio, gli oggetti grandi appaiono solitamente con dintorni ben visibili che forniscono utili indizi visivi. Al contrario, i target piccoli spesso non dispongono di queste informazioni contestuali, rendendo più difficile il riconoscimento dei pattern.

Il problema della metrica nascosta nel rilevamento di piccoli oggetti#

Le metriche di valutazione comuni, come Intersection over Union (IoU), misurano quanto bene un riquadro di delimitazione predetto si sovrappone al riquadro di riferimento. Sebbene IoU funzioni bene per gli oggetti più grandi, il suo comportamento è molto diverso per quelli piccoli.

Gli oggetti piccoli occupano solo pochi pixel, quindi anche un lieve spostamento del riquadro predetto può creare un grande errore proporzionale e ridurre drasticamente il punteggio IoU. Questo significa che spesso gli oggetti piccoli non raggiungono la soglia IoU standard utilizzata per considerare corretta una predizione, anche quando l'oggetto è visibile nell'immagine.

Di conseguenza, gli errori di localizzazione hanno maggiori probabilità di essere classificati come falsi positivi o falsi negativi. Queste limitazioni hanno spinto i ricercatori a ripensare il modo in cui i sistemi di rilevamento degli oggetti valutano e gestiscono i target piccoli e difficili da rilevare.

Caratteristiche multi-scala: la chiave per il rilevamento di piccoli oggetti in tempo reale#

Mentre i ricercatori lavoravano per migliorare il rilevamento di piccoli oggetti, è diventato chiaro che preservare e rappresentare le informazioni visive a più scale è essenziale. Questa intuizione trova riscontro nelle recenti ricerche su arXiv e negli articoli presentati in sedi come le conferenze internazionali IEEE e l'Associazione europea per la computer vision (ECCV).

Man mano che le immagini avanzano nella rete neurale, gli oggetti piccoli possono perdere dettagli o scomparire completamente; per questo i moderni modelli di computer vision come Ultralytics YOLO11 pongono grande attenzione a una migliore estrazione delle caratteristiche. Esaminiamo ora i concetti fondamentali alla base delle mappe di caratteristiche e delle reti piramidali di caratteristiche per comprenderli meglio.

Mappe di caratteristiche e rappresentazione della scala#

Quando un'immagine di input, come un'immagine di telerilevamento, entra in una rete neurale, viene gradualmente trasformata in mappe di caratteristiche. Si tratta di rappresentazioni semplificate dell'immagine che evidenziano pattern visivi come bordi, forme e texture.

Man mano che la rete diventa più profonda, queste mappe di caratteristiche si riducono in termini di dimensioni spaziali. Questa riduzione aiuta il modello a funzionare in modo efficiente e a concentrarsi sulle informazioni di alto livello. Tuttavia, anche la riduzione e la profondità delle mappe di caratteristiche diminuiscono i dettagli spaziali.

Fig. 4. L'estrazione delle caratteristiche è fondamentale per il rilevamento di piccoli oggetti. (Fonte)

Mentre gli oggetti grandi conservano informazioni visive sufficienti per un rilevamento accurato, i target piccoli possono perdere dettagli fondamentali dopo appena alcuni livelli della rete. Quando accade, il modello può avere difficoltà persino a riconoscere l'esistenza di un piccolo oggetto. Questo è uno dei motivi principali per cui gli oggetti piccoli non vengono rilevati nei modelli di rilevamento degli oggetti profondi.

Reti piramidali di caratteristiche e apprendimento multi-scala#

Le reti piramidali di caratteristiche, spesso chiamate FPN, sono state introdotte per affrontare la perdita di dettagli spaziali e funzionano come un modulo di supporto che combina le informazioni provenienti da più livelli, consentendo ai modelli di rilevare gli oggetti piccoli in modo più efficace. Questo processo è noto anche come aggregazione e fusione delle caratteristiche.

I livelli superficiali forniscono dettagli spaziali fini, mentre quelli più profondi aggiungono contesto semantico, consentendo un apprendimento efficace delle caratteristiche multi-scala. A differenza dell'upsampling ingenuo, che si limita ad ampliare le mappe di caratteristiche, FPN preserva le informazioni significative e migliora il rilevamento dei piccoli oggetti.

Gli approcci moderni sviluppano questa idea utilizzando la fusione adattiva delle caratteristiche e progettazioni sensibili al contesto per migliorare ulteriormente il rilevamento dei target piccoli. In altre parole, FPN aiuta i modelli a vedere contemporaneamente il quadro generale e i dettagli minuscoli. Questa ottimizzazione è essenziale quando gli oggetti sono piccoli.

Come si sono evoluti i modelli di rilevamento degli oggetti per gestire quelli piccoli#

Ecco una panoramica di come i modelli di rilevamento degli oggetti si sono evoluti e migliorati nel tempo per rilevare meglio oggetti di dimensioni diverse, compresi quelli molto piccoli:

• Primi metodi di rilevamento: i primi approcci al rilevamento degli oggetti si basavano su caratteristiche progettate manualmente e algoritmi basati su regole, radicati nell'elaborazione classica delle immagini. Poiché queste caratteristiche erano fisse, le prestazioni peggioravano con immagini diverse.
• Introduzione del machine learning e del deep learning: l'adozione del machine learning e del deep learning ha segnato una svolta importante nella ricerca sul rilevamento degli oggetti. Invece di affidarsi a regole predefinite, le reti neurali apprendevano rappresentazioni visive direttamente dai dati di addestramento, migliorando l'adattabilità a dimensioni degli oggetti e scene variabili.
• Reti convoluzionali: queste reti neurali imparano a riconoscere i pattern nelle immagini. Ogni livello rileva dettagli diversi, iniziando da bordi e colori semplici, passando poi alle forme e infine agli oggetti completi, rendendole essenziali per la computer vision moderna.
• Rilevatori di oggetti a due stadi: i rilevatori a due stadi, come Faster R-CNN, introdotto da Girshick e Ren, generavano prima regioni candidate e poi le classificavano. Questo approccio migliorava l'accuratezza per gli oggetti piccoli, ma aumentava il costo computazionale e riduceva le prestazioni in tempo reale.
• Rilevatori di oggetti a uno stadio: i rilevatori a uno stadio, come SSD (Rilevatore a scatto singolo) e la famiglia YOLO (Guardi una sola volta), inclusi YOLOv3, Ultralytics YOLOv5 e il successivo Ultralytics YOLOv8, eseguono il rilevamento in un singolo passaggio. Questo design migliora significativamente la velocità di inferenza mantenendo un'accuratezza competitiva.
• Modelli all'avanguardia più recenti: i modelli di rilevamento degli oggetti più recenti pongono maggiore attenzione alle prestazioni in tempo reale e alla distribuzione su edge. Le recenti release dei modelli Ultralytics YOLO, come Ultralytics YOLO11 e l'imminente Ultralytics YOLO26, sono progettate per bilanciare un'elevata accuratezza con un'inferenza a bassa latenza, risultando adatte al rilevamento di oggetti di qualsiasi dimensione, inclusi i target piccoli, su dispositivi con potenza di calcolo limitata.

Utilizzare Ultralytics YOLO11 per i casi d'uso del rilevamento di piccoli oggetti#

Ora che comprendiamo meglio come funziona il rilevamento di piccoli oggetti, analizziamo un paio di applicazioni del mondo reale in cui è possibile utilizzare Ultralytics YOLO11.

UAV e immagini aeree#

Immagina un drone che vola molto in alto sopra una strada cittadina trafficata. Da quell'altezza, automobili, biciclette e persino persone si riducono a pochi pixel su uno schermo.

I moduli per UAV e immagini aeree acquisiscono spesso scene di questo tipo, in cui gli oggetti di interesse sono minuscoli e circondati da sfondi complessi, rendendoli difficili da rilevare per i modelli di computer vision.

In scenari di questo tipo, Ultralytics YOLO11 può essere una scelta ideale. Per esempio, un drone dotato di un modello come YOLO11 potrebbe monitorare il traffico in tempo reale, rilevando veicoli, ciclisti e pedoni mentre si muovono nella scena, anche quando ogni oggetto occupa solo una piccola parte dell'immagine. Questo consente di prendere decisioni più rapidamente e ottenere informazioni più accurate in applicazioni come la gestione del traffico, la sicurezza pubblica o la pianificazione urbana.

Robotica e automazione#

I robot vengono spesso utilizzati in ambienti in cui accuratezza e tempismo sono fondamentali. In contesti come magazzini, fabbriche e aziende agricole, un robot può dover riconoscere oggetti molto piccoli, come un componente su una linea di assemblaggio, un'etichetta su un pacco o un piccolo germoglio in un campo, e reagire rapidamente.

Rilevare oggetti di queste dimensioni può essere complesso, soprattutto quando appaiono come pochi pixel nel feed della telecamera o sono parzialmente occlusi da altri oggetti. Non rilevare questi piccoli dettagli può rallentare l'automazione o compromettere la capacità del robot di completare un'attività.

Ultralytics YOLO11 può fare la differenza in queste situazioni. La sua migliore estrazione delle caratteristiche e la rapidità di inferenza consentono ai robot di rilevare piccoli oggetti in tempo reale e agire immediatamente.

Ultralytics YOLO11 supporta anche la segmentazione delle istanze, che può aiutare i robot a comprendere con maggiore precisione i confini degli oggetti e i punti di presa, invece di limitarsi a localizzare riquadri di delimitazione generici. Per esempio, un braccio robotico integrato con YOLO11 potrebbe individuare piccoli componenti su un nastro trasportatore, segmentarne la forma esatta e raccoglierli prima che escano dalla portata, aiutando il sistema a rimanere efficiente e affidabile.

Cosa rende Ultralytics YOLO11 efficace nel rilevamento di piccoli oggetti#

Con i numerosi modelli di computer vision oggi disponibili, potresti chiederti cosa distingua Ultralytics YOLO11.

Ecco alcuni motivi per cui Ultralytics YOLO11 è un'ottima scelta per le applicazioni in cui è necessario rilevare piccoli oggetti:

• Migliore estrazione delle caratteristiche: YOLO11 utilizza un'architettura backbone e neck migliorata per ottimizzare l'estrazione delle caratteristiche, consentendo un rilevamento degli oggetti più preciso.
• Ecosistema e facilità d'uso: il pacchetto Python di Ultralytics è una libreria che fornisce funzioni integrate per caricare, addestrare, validare e distribuire modelli come YOLO11. Poiché questi workflow richiedono solo poche righe di codice, i team possono sperimentare rapidamente e ottimizzare i modelli per il rilevamento di piccoli oggetti.
• Ottimizzato per la distribuzione su edge: Ultralytics YOLO11 può funzionare in modo efficiente su dispositivi edge come NVIDIA Jetson, Raspberry Pi e sistemi di telecamere industriali. In parole semplici, consente di eseguire attività di AI per la visione in tempo reale direttamente sul dispositivo.

Strategie pratiche da utilizzare per rilevare piccoli oggetti con Ultralytics YOLO11#

Oltre a utilizzare un modello come Ultralytics YOLO11, il modo in cui prepari le annotazioni, il dataset complessivo e la procedura di addestramento del modello possono fare una differenza significativa nelle prestazioni di rilevamento.

Ecco una rapida panoramica degli aspetti su cui concentrarti:

• Adeguata data augmentation: una leggera data augmentation, come il ridimensionamento o il ritaglio, può aiutare il modello a generalizzare a nuove immagini. Tuttavia, un'augmentation aggressiva su larga scala può distorcere o rimuovere gli oggetti piccoli, rendendoli più difficili da apprendere per il modello.
• Analisi dei casi di errore: analizzare i casi in cui il modello non rileva o identifica erroneamente gli oggetti aiuta a creare una baseline e a capire se i problemi derivano dal dataset, dalla perdita di informazioni durante l'estrazione delle caratteristiche o dalla necessità di modificare le impostazioni di addestramento.
• Composizione del dataset: il tuo dataset dovrebbe contenere un numero sufficiente di esempi di oggetti piccoli affinché il modello possa apprendere pattern significativi e dovrebbe rimanere equilibrato, così che gli oggetti più grandi non mettano in ombra quelli più piccoli durante l'addestramento.

Punti chiave#

Il rilevamento di piccoli oggetti è difficile perché i target piccoli perdono dettagli mentre le immagini attraversano un modello di computer vision. Ultralytics YOLO11 migliora la conservazione di questi dettagli, rendendo il rilevamento di piccoli oggetti più affidabile senza sacrificare le prestazioni in tempo reale. Questo equilibrio consente a YOLO11 di supportare un rilevamento accurato ed efficiente nelle applicazioni del mondo reale.

Unisciti alla nostra community in crescita! Esplora il nostro repository GitHub per saperne di più sull'AI. Scopri innovazioni come la computer vision nel commercio al dettaglio e l'AI nel settore automobilistico visitando le nostre pagine dedicate alle soluzioni. Per iniziare oggi stesso a sviluppare con la computer vision, consulta le nostre opzioni di licenza.