Scopri come i bounding box consentono il rilevamento degli oggetti, l'intelligenza artificiale e i sistemi di apprendimento automatico. Esplora il loro ruolo nelle applicazioni di computer vision!
Un riquadro di delimitazione è una cornice rettangolare utilizzata nella computer vision (CV) per indicare la posizione e l'estensione di un oggetto all'interno di un'immagine o di un video. Questi riquadri sono tipicamente definiti dalle coordinate degli angoli in alto a sinistra e in basso a destra, fornendo un modo semplice ma efficace per specificare dove si trova un oggetto e quanto spazio occupa. I riquadri di delimitazione sono componenti fondamentali in varie attività di CV, tra cui il rilevamento di oggetti, il tracciamento di oggetti e l'annotazione di immagini, e costituiscono una pietra miliare di molti moderni sistemi di intelligenza artificiale (AI) e di apprendimento automatico (ML).
Le Bounding Box sono essenziali per l'addestramento e la valutazione dei modelli di rilevamento degli oggetti. Nei compiti affrontati da modelli come Ultralytics YOLOi riquadri di delimitazione servono come verità di base durante l'addestramento, insegnando al modello a localizzare con precisione gli oggetti. Durante l'inferenza, il modello predice i riquadri di delimitazione intorno agli oggetti rilevati. Questa capacità di localizzazione è fondamentale per le applicazioni che richiedono non solo l'identificazione degli oggetti ma anche la loro esatta posizione, come ad esempio nei veicoli autonomi o nei sistemi robotici. Il processo inizia spesso con un'attenta annotazione dei dati, in cui l'uomo o gli strumenti automatici disegnano i riquadri di delimitazione intorno agli oggetti nelle immagini di addestramento, spesso utilizzando strumenti come CVAT.
Diverse metriche e tecniche sono strettamente associate all'uso e alla valutazione dei bounding box nei modelli ML:
Mentre le bounding box localizzano gli oggetti con dei rettangoli, altre tecniche di computer vision offrono diversi livelli di dettaglio:
Le caselle di delimitazione sono parte integrante di numerose applicazioni pratiche di intelligenza artificiale:
Nello sviluppo dell'intelligenza artificiale nelle auto a guida autonoma, i riquadri di delimitazione sono fondamentali per rilevare e seguire pedoni, ciclisti, altri veicoli e ostacoli stradali. Il rilevamento accurato e in tempo reale degli oggetti grazie ai riquadri di delimitazione consente al sistema del veicolo di prendere decisioni informate per una navigazione sicura e per evitare le collisioni, aderendo alle linee guida sulla sicurezza delineate da organizzazioni come la National Highway Traffic Safety Administration (NHTSA). Scopri di più sul ruolo dell'intelligenza artificiale nelle auto a guida autonoma.
I rivenditori utilizzano il rilevamento di oggetti con caselle di delimitazione per monitorare automaticamente gli scaffali e gestire l'inventario. Le telecamere dotate di modelli di intelligenza artificiale possono rilevare i prodotti, contare i livelli delle scorte, identificare gli articoli fuori posto e tracciare le interazioni dei clienti con la merce. Questo migliora l'efficienza, riduce il lavoro manuale e fornisce dati preziosi per ottimizzare il layout del negozio e il rifornimento delle scorte. Gli approfondimenti sulle tendenze tecnologiche del retail evidenziano la crescente importanza dell'IA nel settore. Puoi trovare diverse soluzioniUltralytics per diversi settori.