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

La computer vision è un sottocampo dell'intelligenza artificiale (IA) che si concentra sull'insegnamento alle macchine per vedere e comprendere immagini e video, in modo simile a come gli esseri umani percepiscono il mondo reale. Sebbene riconoscere oggetti o identificare azioni sia naturale per gli esseri umani, queste attività richiedono tecniche di computer vision specifiche e specializzate quando si tratta di macchine. Ad esempio, un'attività chiave nella computer vision 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 il modo in cui i computer possono rilevare oggetti. I primi metodi, come il template matching, consistevano nello scorrere un modello predefinito su un'immagine per trovare corrispondenze. Sebbene innovativi, questi approcci faticavano a gestire i cambiamenti nelle dimensioni, nell'orientamento e nell'illuminazione degli oggetti. Oggi disponiamo di modelli avanzati come Ultralytics YOLO11 in grado di rilevare con straordinaria precisione anche oggetti piccoli e parzialmente nascosti, noti come oggetti occlusi.

Mentre la computer vision continua a evolversi, è importante guardare indietro per capire come queste tecnologie si sono sviluppate. In questo articolo esploreremo l'evoluzione del rilevamento di oggetti e metteremo in luce la trasformazione dei modelli YOLO (You Only Look Once). Cominciamo!

Le origini della visione artificiale#

Prima di immergerti nel rilevamento di oggetti, diamo un'occhiata a come è nata la computer vision. Le origini della computer vision risalgono alla fine degli anni '50 e ai primi anni '60, quando gli scienziati iniziarono a esplorare come il cervello elabora le informazioni visive. Negli esperimenti sui gatti, i ricercatori David Hubel e Torsten Wiesel scoprirono che il cervello reagisce a pattern semplici come margini e linee. Questo ha posto le basi per l'idea dietro l'estrazione di caratteristiche, il concetto secondo cui i sistemi visivi rilevano e riconoscono caratteristiche di base nelle immagini, come i bordi, prima di passare a pattern più complessi.

Fig 1. Scoprire come reagisce il cervello di un gatto alle barre di luce ha contribuito a sviluppare l'estrazione di caratteristiche nella computer vision.

Nello stesso periodo, sono emerse nuove tecnologie in grado di trasformare immagini fisiche in formati digitali, suscitando interesse su come le macchine potessero elaborare le informazioni visive. Nel 1966, il Summer Vision Project del Massachusetts Institute of Technology (MIT) ha dato un ulteriore impulso alla ricerca. Sebbene il progetto non sia riuscito del tutto, mirava a creare un sistema in grado di separare il primo piano dallo sfondo nelle immagini. Per molti nella community della vision AI, questo progetto segna l'inizio ufficiale della computer vision come campo scientifico.

Comprendere la storia del rilevamento oggetti#

Con il progredire della computer vision alla fine degli anni '90 e all'inizio degli anni 2000, i metodi di rilevamento di oggetti sono passati da tecniche di base come il template matching ad approcci più avanzati. Un metodo popolare è stato Haar Cascade, ampiamente utilizzato per attività come il rilevamento di volti. Funzionava scansionando le immagini con una finestra scorrevole, verificando la presenza di caratteristiche specifiche come bordi o texture in ogni sezione dell'immagine, e combinando poi queste caratteristiche per rilevare oggetti come i volti. Haar Cascade era molto più veloce rispetto ai metodi precedenti.

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

Insieme a questi, sono stati introdotti anche metodi come Histogram of Oriented Gradients (HOG) e Support Vector Machines (SVM). HOG utilizzava la tecnica della finestra scorrevole per analizzare come luce e ombre cambiavano in piccole sezioni di un'immagine, aiutando a identificare gli oggetti in base alle loro forme. Le SVM classificavano quindi queste caratteristiche per determinare l'identità dell'oggetto. Questi metodi hanno migliorato la precisione, ma faticavano ancora negli ambienti reali ed erano più lenti rispetto alle tecniche odierne.

La necessità di un rilevamento oggetti in tempo reale#

Negli anni 2010, l'ascesa del deep learning e delle reti neurali convoluzionali (CNN) ha portato a un cambiamento epocale nel rilevamento di oggetti. Le CNN hanno permesso ai computer di apprendere automaticamente caratteristiche importanti da grandi quantità di dati, rendendo il rilevamento molto più accurato.

I primi modelli come R-CNN (Region-based Convolutional Neural Networks) hanno rappresentato un grande miglioramento in termini di precisione, aiutando a identificare gli oggetti con maggiore accuratezza rispetto ai metodi più vecchi.

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

Con l'obiettivo di accelerare i processi, sono stati sviluppati modelli più efficienti. Modelli come Fast R-CNN e Faster R-CNN hanno contribuito a perfezionare la selezione delle regioni di interesse e a ridurre il numero di passaggi necessari per il rilevamento. Sebbene ciò abbia reso il rilevamento degli oggetti più rapido, non era comunque abbastanza veloce per molte applicazioni del mondo reale che richiedevano risultati istantanei. La crescente domanda di rilevamento in tempo reale ha spinto lo sviluppo di soluzioni ancora più veloci ed efficienti, in grado di bilanciare velocità e precisione.

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

Modelli YOLO (You Only Look Once): Un traguardo importante#

YOLO è un modello di rilevamento di oggetti che ha ridefinito la computer vision consentendo il rilevamento in tempo reale di più oggetti in immagini e video, rendendolo piuttosto unico rispetto ai precedenti metodi di rilevamento. Invece di analizzare ciascun oggetto rilevato singolarmente, l'architettura di YOLO tratta il rilevamento degli oggetti come un'unica attività, prevedendo sia la posizione che la classe degli oggetti in un solo passaggio tramite le CNN.

Il modello funziona suddividendo un'immagine in una griglia, in cui ciascuna parte è responsabile del rilevamento degli oggetti nella rispettiva area. Formula più previsioni per ciascuna sezione e filtra i risultati meno sicuri, mantenendo solo quelli accurati.

Fig 4. Una panoramica di come funziona YOLO.

L'introduzione di YOLO nelle applicazioni di computer vision ha reso il rilevamento di oggetti molto più veloce ed efficiente rispetto ai modelli precedenti. Grazie alla sua velocità e precisione, YOLO è rapidamente diventato una scelta popolare per le soluzioni in tempo reale in settori come la manifattura, la sanità e la robotica.

Un altro punto importante da notare è che, poiché YOLO era open-source, sviluppatori e ricercatori sono stati in grado di migliorarlo continuamente, portando 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. Insieme a prestazioni migliori, questi miglioramenti hanno reso i modelli più facili da usare per le persone con diversi livelli di esperienza tecnica.

Ad esempio, con l'introduzione di Ultralytics YOLOv5, il deployment dei modelli è diventato più semplice con PyTorch, consentendo a un numero maggiore di utenti di lavorare con IA avanzata. Ha unito precisione e usabilità, offrendo a più persone la possibilità di implementare il rilevamento di oggetti senza dover essere esperti di programmazione.

Fig 5. L'evoluzione dei modelli YOLO.

Ultralytics YOLOv8 ha continuato questo progresso aggiungendo il supporto per attività come la segmentazione di istanze e rendendo i modelli più flessibili. È diventato più semplice utilizzare YOLO sia per applicazioni di base che più complesse, risultando utile in una vasta gamma di scenari.

Con il modello più recente, Ultralytics YOLO11, sono state introdotte ulteriori ottimizzazioni. Riducendo il numero di parametri e migliorando al contempo la precisione, risulta ora più efficiente per le attività in tempo reale. Che tu sia uno sviluppatore esperto o nuovo nel campo dell'IA, YOLO11 offre un approccio avanzato al rilevamento di oggetti che è facilmente accessibile.

Alla scoperta di Ultralytics YOLO11: nuove funzionalità e miglioramenti#

YOLO11, lanciato all'evento annuale ibrido di Ultralytics, YOLO Vision 2024 (YV24), supporta le stesse attività di computer vision di YOLOv8, come il rilevamento di oggetti, la segmentazione di istanze, la classificazione delle immagini e la stimazione della posa. Pertanto, gli utenti possono passare facilmente a questo modello senza dover modificare i propri flussi di lavoro. Inoltre, l'architettura aggiornata di YOLO11 rende le previsioni ancora più precise. Infatti, YOLO11m raggiunge una precisione media media (mAP) superiore sul dataset COCO con il 22% di parametri in meno rispetto a YOLOv8m.

YOLO11 è inoltre progettato per funzionare in modo efficiente su una gamma di piattaforme, dagli smartphone e altri dispositivi edge a sistemi cloud più potenti. Questa flessibilità garantisce prestazioni fluide su diverse configurazioni hardware per applicazioni in tempo reale. Oltre a ciò, YOLO11 è più veloce ed efficiente, riducendo i costi di calcolo e accelerando i tempi di inferenza. Che tu stia utilizzando il pacchetto Python di Ultralytics o la piattaforma Ultralytics HUB senza codice, è facile integrare YOLO11 nei tuoi flussi di lavoro esistenti.

Il futuro dei modelli YOLO e del rilevamento oggetti#

L'impatto dell'object detection avanzata sulle applicazioni in tempo reale e sull'edge AI si fa già sentire in tutti i settori. Poiché settori come petrolio e gas, sanità e retail fanno sempre più affidamento sull'IA, la domanda di un'identificazione degli oggetti rapida e precisa continua a crescere. Ultralytics YOLO11 mira a rispondere a questa richiesta consentendo un rilevamento ad alte prestazioni anche su dispositivi con potenza di calcolo limitata.

Con la crescita dell'edge AI, è probabile che i modelli di object detection come Ultralytics YOLO11 diventino ancora più essenziali per il processo decisionale in tempo reale in ambienti in cui velocità e precisione sono critiche. Con i continui miglioramenti nella progettazione e nell'adattabilità, il futuro del rilevamento degli oggetti è destinato a portare ulteriori innovazioni in una varietà di applicazioni.

Punti chiave#

L'object detection ha fatto tantissima strada, evolvendosi da semplici metodi alle tecniche avanzate di deep learning che vediamo oggi. I modelli YOLO sono stati al centro di questo progresso, offrendo un rilevamento in tempo reale più rapido e accurato in diversi settori. Ultralytics YOLO11 si basa su questa eredità, migliorando l'efficienza, riducendo i costi di calcolo e potenziando la precisione, rendendolo una scelta affidabile per una varietà di applicazioni in tempo reale. Con i continui progressi dell'IA e della computer vision, il futuro dell'object detection appare luminoso, con margini per ulteriori miglioramenti in termini di velocità, precisione e adattabilità.

Curioso riguardo all'IA? Rimani in contatto con la nostra community per continuare a imparare! Dai un'occhiata al nostro repository GitHub per scoprire come stiamo usando l'IA per creare soluzioni innovative in settori come la produzione e la sanità. 🚀