Image Recognition

Il riconoscimento delle immagini è una tecnologia fondamentale nell'ambito più ampio della visione artificiale (CV), che consente ai sistemi software di identificare oggetti, persone, luoghi e testo all'interno delle immagini digitali. Analizzando il contenuto dei pixel di un'immagine o di un fotogramma video, questa tecnologia cerca di imitare le capacità di percezione visiva dell'occhio e del cervello umano. Basato sull'intelligenza artificiale (AI), il riconoscimento delle immagini trasforma i dati visivi non strutturati in informazioni strutturate e utilizzabili, fungendo da base per l'automazione in settori che spaziano dalla sanità ai trasporti autonomi.

Meccanismi e tecnologie fondamentali#

I moderni sistemi di riconoscimento delle immagini sono andati oltre la programmazione tradizionale basata su regole, affidandosi principalmente agli algoritmi di deep learning (DL). L'architettura più utilizzata per queste attività è la rete neurale convoluzionale (CNN). Una CNN elabora le immagini come una griglia di valori, che in genere rappresentano i canali cromatici Rosso, Verde e Blu (RGB), e li fa passare attraverso più livelli di operazioni matematiche.

Durante questo processo, la rete esegue l'estrazione delle caratteristiche. I livelli iniziali possono rilevare semplici schemi geometrici, come bordi o angoli, mentre i livelli più profondi aggregano questi schemi per riconoscere strutture complesse, come occhi, ruote o foglie. Per raggiungere un'elevata accuratezza, questi modelli richiedono grandi quantità di dati di addestramento annotati. I dataset pubblici su larga scala, come ImageNet, aiutano i modelli ad apprendere la probabilità statistica che una specifica disposizione visiva corrisponda a un concetto come "gatto", "bicicletta" o "segnale di stop".

Distinguere il riconoscimento dai concetti correlati#

Sebbene il termine "riconoscimento delle immagini" venga spesso usato come espressione generica, è distinto da altre attività specifiche della visione artificiale. Comprendere queste differenze è fondamentale per selezionare il modello giusto per un progetto:

• Riconoscimento vs. Classificazione delle immagini: la classificazione consiste nell'assegnare un'unica etichetta a un'intera immagine, ad esempio classificando una foto come "spiaggia". Il riconoscimento è la capacità più ampia che consente al sistema di comprendere il contenuto.
• Riconoscimento vs. Rilevamento degli oggetti: mentre il riconoscimento identifica che cosa è presente in un'immagine, il rilevamento individua dove si trova. Gli algoritmi di rilevamento tracciano una bounding box attorno a ogni istanza di oggetto, separandola dallo sfondo.
• Riconoscimento vs. Segmentazione delle istanze: questa tecnica porta il riconoscimento un passo avanti identificando i contorni esatti dei pixel di un oggetto, anziché solo una casella. Ciò è fondamentale per le applicazioni che richiedono misurazioni precise, come l'analisi biomedica delle immagini.

Applicazioni nel mondo reale#

L'utilità del riconoscimento delle immagini si estende praticamente a ogni settore in cui vengono generati dati visivi.

• Diagnostica medica: nel settore sanitario, gli algoritmi di riconoscimento assistono i radiologi analizzando immagini mediche come radiografie e risonanze magnetiche. Strumenti come l'AI in radiologia possono identificare anomalie quali tumori o fratture più rapidamente e talvolta con maggiore precisione della sola osservazione umana.
• Vendita al dettaglio e inventario: i supermercati intelligenti utilizzano il riconoscimento per monitorare i prodotti mentre vengono prelevati dagli scaffali, consentendo sistemi di pagamento automatizzati. Analogamente, i robot dei magazzini lo utilizzano per identificare e smistare i pacchi.
• Sicurezza e controllo degli accessi: i sistemi di riconoscimento facciale consentono di accedere in modo sicuro a smartphone ed edifici verificando l'identità rispetto a un database di embedding facciali memorizzati.

Implementare il riconoscimento delle immagini con Ultralytics YOLO26#

Per sviluppatori e ricercatori, implementare il riconoscimento delle immagini è diventato molto più accessibile grazie a modelli all'avanguardia come YOLO26, che supporta nativamente classificazione, rilevamento e segmentazione. L'esempio seguente mostra come eseguire il riconoscimento, nello specifico il rilevamento degli oggetti, su un'immagine utilizzando il pacchetto Python ultralytics.

from ultralytics import YOLO

# Load a pre-trained YOLO26 model (n for nano, fastest speed)
model = YOLO("yolo26n.pt")

# Run inference on an image to recognize and locate objects
# The source can be a file path, URL, or webcam (source=0)
results = model("https://ultralytics.com/images/bus.jpg")

# Display the results with bounding boxes and labels
results[0].show()

Per i team che desiderano annotare i propri dataset e addestrare modelli personalizzati nel cloud, la piattaforma Ultralytics offre un ambiente semplificato per gestire l'intero ciclo di vita di un progetto di riconoscimento delle immagini, dalla raccolta dei dati alla distribuzione.

Tendenze future#

Con l'aumento della potenza di calcolo, il riconoscimento delle immagini si sta evolvendo verso la comprensione dei video, in cui i sistemi analizzano il contesto temporale tra i fotogrammi. Inoltre, l'integrazione dell'AI generativa consente ai sistemi non solo di riconoscere le immagini, ma anche di generarne descrizioni testuali dettagliate, colmando il divario tra elaborazione del linguaggio naturale (NLP) e visione.