L'evoluzione del rilevamento degli oggetti e dei modelli YOLO di Ultralytics

La visione artificiale è un sottocampo dell’intelligenza artificiale (AI) che si occupa di insegnare alle macchine a vedere e comprendere immagini e video, in modo simile a come gli esseri umani percepiscono il mondo reale. Mentre riconoscere oggetti o identificare azioni è naturale per gli esseri umani, per le macchine questi compiti richiedono tecniche specializzate di visione artificiale. Ad esempio, un compito fondamentale della visione artificiale è il rilevamento di oggetti, che consiste nell’identificare e localizzare oggetti all’interno di immagini o video.

Dagli anni ’60, i ricercatori lavorano per migliorare la capacità dei computer di rilevare gli oggetti. I primi metodi, come il confronto con modelli, consistevano nel far scorrere un modello predefinito su un’immagine per trovare corrispondenze. Pur essendo innovativi, questi approcci incontravano difficoltà in presenza di variazioni nelle dimensioni e nell’orientamento degli oggetti e nelle condizioni di illuminazione. Oggi disponiamo di modelli avanzati, come Ultralytics YOLO11, capaci di rilevare con notevole precisione anche oggetti piccoli e parzialmente nascosti, detti oggetti occlusi.

Con la continua evoluzione della visione artificiale, è importante ripercorrere lo sviluppo di queste tecnologie. In questo articolo esploreremo l’evoluzione del rilevamento di oggetti e faremo luce sulla trasformazione dei modelli YOLO (You Only Look Once).

Le origini della visione artificiale#

Prima di approfondire il rilevamento di oggetti, vediamo come è nata la visione artificiale. Le origini della visione artificiale risalgono alla fine degli anni ’50 e all’inizio degli anni ’60, quando gli scienziati iniziarono a studiare il modo in cui il cervello elabora le informazioni visive. In alcuni esperimenti sui gatti, i ricercatori David Hubel e Torsten Wiesel scoprirono che il cervello reagisce a schemi semplici, come bordi e linee. Questa scoperta gettò le basi dell’idea alla base dell’estrazione delle caratteristiche: i sistemi visivi rilevano e riconoscono caratteristiche di base nelle immagini, come i bordi, prima di passare a schemi più complessi.

Fig. 1. Lo studio della reazione del cervello di un gatto a barre luminose ha contribuito allo sviluppo dell’estrazione delle caratteristiche nella visione artificiale.

Più o meno nello stesso periodo emersero nuove tecnologie capaci di convertire immagini fisiche in formati digitali, suscitando interesse per il modo in cui le macchine potessero elaborare le informazioni visive. Nel 1966, il progetto Summer Vision del Massachusetts Institute of Technology (MIT) spinse ulteriormente la ricerca. Pur non avendo pienamente successo, il progetto mirava a creare un sistema in grado di separare il primo piano dallo sfondo nelle immagini. Per molti membri della comunità dell’AI applicata alla visione, questo progetto segna ufficialmente l’inizio della visione artificiale come disciplina scientifica.

La storia del rilevamento degli oggetti#

Con i progressi della visione artificiale, tra la fine degli anni ’90 e l’inizio degli anni 2000 i metodi di rilevamento di oggetti passarono da tecniche di base, come il confronto con modelli, ad approcci più avanzati. Un metodo molto diffuso era Haar Cascade, ampiamente utilizzato per attività come il rilevamento dei volti. Il metodo analizzava le immagini con una finestra scorrevole, cercando caratteristiche specifiche, come bordi o texture, in ogni sezione dell’immagine e combinandole poi per rilevare oggetti come i volti. Haar Cascade era molto più veloce dei metodi precedenti.

Fig. 2. Uso di Haar Cascade per il rilevamento dei volti.

Furono introdotti anche metodi come l’istogramma dei gradienti orientati (HOG) e le macchine a vettori di supporto (SVMs). HOG utilizzava la tecnica della finestra scorrevole per analizzare le variazioni di luce e ombra in piccole sezioni di un’immagine, contribuendo a identificare gli oggetti in base alla loro forma. Le SVMs classificavano poi queste caratteristiche per determinare l’identità dell’oggetto. Questi metodi migliorarono la precisione, ma continuavano a incontrare difficoltà negli ambienti reali ed erano più lenti delle tecniche attuali.

La necessità del rilevamento degli oggetti in tempo reale#

Negli anni 2010, l’ascesa del deep learning e delle reti neurali convoluzionali (CNNs) portò a un importante cambiamento nel rilevamento di oggetti. Le CNNs resero possibile per i computer apprendere automaticamente caratteristiche importanti da grandi quantità di dati, aumentando notevolmente la precisione del rilevamento.

I primi modelli, come le reti neurali convoluzionali basate su regioni (R-CNN), rappresentarono un notevole miglioramento in termini di precisione e aiutarono a identificare gli oggetti con maggiore accuratezza rispetto ai metodi precedenti.

Tuttavia, questi modelli erano lenti perché elaboravano le immagini in più fasi, rendendoli poco pratici per applicazioni in tempo reale come le auto a guida autonoma o la videosorveglianza.

Per accelerare il processo, furono sviluppati modelli più efficienti. Modelli come Fast R-CNN e Faster R-CNN migliorarono il metodo di selezione delle regioni di interesse e ridussero il numero di passaggi necessari per il rilevamento. Il rilevamento di oggetti diventò così più veloce, ma non abbastanza per molte applicazioni reali che richiedevano risultati immediati. La crescente domanda di rilevamento in tempo reale spinse lo sviluppo di soluzioni ancora più rapide ed efficienti, capaci di bilanciare velocità e precisione.

Fig. 3. Confronto della velocità di R-CNN, Fast R-CNN e Faster R-CNN.

Modelli YOLO (You Only Look Once): una tappa fondamentale#

YOLO è un modello di rilevamento di oggetti che ha ridefinito la visione artificiale, consentendo il rilevamento in tempo reale di più oggetti in immagini e video e distinguendosi dai metodi precedenti. Invece di analizzare ogni oggetto rilevato singolarmente, l’architettura di YOLO considera il rilevamento di oggetti un’unica attività e, usando le CNNs, predice in una sola volta sia la posizione sia la classe degli oggetti.

Il modello divide un’immagine in una griglia, in cui ogni cella rileva gli oggetti nella propria area. Genera più predizioni per ogni sezione e scarta quelle meno affidabili, mantenendo soltanto le più affidabili.

Fig. 4. Panoramica del funzionamento di YOLO.

L’introduzione di YOLO nelle applicazioni di visione artificiale rese il rilevamento di oggetti molto più rapido ed efficiente rispetto ai modelli precedenti. Grazie alla sua velocità e precisione, YOLO diventò rapidamente una scelta popolare per le soluzioni in tempo reale in settori come la produzione, la sanità e la robotica.

Un altro aspetto importante è che, essendo open source, YOLO ha potuto essere migliorato costantemente da sviluppatori e ricercatori, dando origine a versioni ancora più avanzate.

Il percorso da YOLO a Ultralytics YOLO11#

I modelli YOLO sono migliorati costantemente nel tempo, basandosi sui progressi di ogni versione. Oltre a offrire prestazioni migliori, queste innovazioni hanno reso i modelli più semplici da usare per persone con diversi livelli di esperienza tecnica.

Ad esempio, con l’introduzione di Ultralytics YOLOv5, la distribuzione dei modelli diventò più semplice grazie a PyTorch, consentendo a una gamma più ampia di utenti di lavorare con l’AI avanzata. Il modello combinava precisione e facilità d’uso, offrendo a più persone la possibilità di implementare il rilevamento di oggetti senza essere esperte di programmazione.

Fig. 5. L’evoluzione dei modelli YOLO.

Ultralytics YOLOv8 ha proseguito questo percorso aggiungendo il supporto ad attività come la segmentazione delle istanze e rendendo i modelli più flessibili. È diventato più semplice usare YOLO sia per applicazioni di base sia per quelle più complesse, rendendolo utile in un’ampia varietà di scenari.

Con Ultralytics YOLO11 (a cui è succeduto Ultralytics YOLO26) sono state introdotte ulteriori ottimizzazioni. Riducendo il numero di parametri e migliorando la precisione, il modello è ora più efficiente per le attività in tempo reale. Che tu sia uno sviluppatore esperto o alle prime armi con l’AI, YOLO11 offre un approccio avanzato al rilevamento di oggetti, facilmente accessibile.

Scopri Ultralytics YOLO11: nuove funzionalità e miglioramenti#

YOLO11, presentato all’evento ibrido annuale di Ultralytics, YOLO Vision 2024 (YV24), supporta gli stessi compiti di visione artificiale di YOLOv8, tra cui rilevamento di oggetti, segmentazione di istanze, classificazione di immagini e stima della posa. Gli utenti possono quindi passare facilmente al nuovo modello senza dover modificare i propri flussi di lavoro. Inoltre, l’architettura aggiornata di YOLO11 rende le predizioni ancora più precise. Infatti, YOLO11m raggiunge un valore medio della precisione media (mAP) più alto sul dataset COCO, con il 22% di parametri in meno rispetto a YOLOv8m.

YOLO11 è progettato anche per funzionare in modo efficiente su una vasta gamma di piattaforme, dagli smartphone e altri dispositivi edge ai sistemi cloud più potenti. Questa flessibilità garantisce prestazioni fluide su configurazioni hardware diverse per le applicazioni in tempo reale. Inoltre, YOLO11 è più veloce ed efficiente: riduce i costi computazionali e accelera i tempi di inferenza. Che tu utilizzi il pacchetto Python di Ultralytics o Ultralytics HUB senza codice (ora Ultralytics Platform), integrare YOLO11 nei tuoi flussi di lavoro esistenti è semplice.

Il futuro dei modelli YOLO e del rilevamento degli oggetti#

L’impatto del rilevamento avanzato di oggetti sulle applicazioni in tempo reale e sull’AI edge è già evidente in diversi settori. Con l’aumento dell’impiego dell’AI in settori come petrolio e gas, sanità e vendita al dettaglio, cresce anche la domanda di un rilevamento di oggetti rapido e preciso. Ultralytics YOLO11 mira a rispondere a questa esigenza, consentendo rilevamenti ad alte prestazioni anche su dispositivi con capacità di calcolo limitate.

Con la crescita dell’AI edge, è probabile che i modelli di rilevamento di oggetti come Ultralytics YOLO11 diventino ancora più essenziali per prendere decisioni in tempo reale negli ambienti in cui velocità e precisione sono fondamentali. Grazie ai continui miglioramenti nella progettazione e nell’adattabilità, il futuro del rilevamento di oggetti promette ulteriori innovazioni in un’ampia varietà di applicazioni.

Punti chiave#

Il rilevamento degli oggetti ha fatto molta strada: da metodi semplici alle tecniche avanzate di deep learning che vediamo oggi. I modelli YOLO sono stati al centro di questo progresso, offrendo rilevamenti in tempo reale più veloci e accurati in diversi settori. Ultralytics YOLO11 raccoglie questa eredità, migliorando l’efficienza, riducendo i costi di calcolo e aumentando la precisione, il che lo rende una scelta affidabile per diverse applicazioni in tempo reale. Con i continui progressi nell’IA e nella visione artificiale, il futuro del rilevamento degli oggetti appare promettente e lascia spazio a ulteriori miglioramenti in termini di velocità, precisione e adattabilità.

Ti interessa l'AI? Resta in contatto con la nostra community per continuare a imparare! Dai un'occhiata al nostro repository GitHub per scoprire come usiamo l'AI per creare soluzioni innovative in settori come la produzione e la sanità.