Architetture di rilevamento degli oggetti

Componenti principali

La maggior parte delle architetture di rilevamento degli oggetti è costituita da diversi componenti chiave che lavorano insieme. Una rete portante, spesso una rete neurale convoluzionale (CNN), esegue l'estrazione iniziale delle caratteristiche dall'immagine di ingresso, identificando modelli di basso livello come bordi e texture e caratteristiche progressivamente più complesse. Spesso segue un componente "collo" che aggrega le caratteristiche provenienti da diversi stadi della struttura portante per creare rappresentazioni più ricche adatte a rilevare oggetti a varie scale. Infine, la testa di rilevamento utilizza queste caratteristiche per prevedere la classe e la posizione (coordinate della bounding box) degli oggetti. Le prestazioni vengono spesso misurate utilizzando metriche come Intersection over Union (IoU) per valutare l'accuratezza della localizzazione.

Tipi di architetture

Le architetture di rilevamento degli oggetti vengono classificate in base al loro approccio:

• Rilevatori a due stadi: Queste architetture, come R-CNN e i suoi successori come Faster R-CNN, identificano prima le potenziali regioni di interesse (proposte di regioni) all'interno dell'immagine e poi classificano e perfezionano i riquadri di delimitazione degli oggetti all'interno di queste regioni. Sono spesso noti per l'elevata precisione, ma possono essere più lenti.
• Rivelatori a uno stadio: Architetture come SSD(Single Shot MultiBox Detector) e Ultralytics YOLO (You Only Look Once) eseguono la localizzazione e la classificazione degli oggetti contemporaneamente in un unico passaggio in avanti attraverso la rete. Questo li rende significativamente più veloci e adatti all'inferenza in tempo reale. I moderni modelli YOLO come YOLO11 utilizzano spesso tecniche prive di ancore, semplificando la progettazione e migliorando potenzialmente la generalizzazione rispetto ai vecchi metodi basati sulle ancore.

Distinguere da termini simili

È importante differenziare le architetture di rilevamento degli oggetti dalle attività di computer vision correlate:

• Classificazione delle immagini: Identifica il soggetto principale di un'immagine (ad esempio, "gatto") ma non lo localizza. Il rilevamento degli oggetti indica quali oggetti sono presenti e dove si trovano.
• Segmentazione semantica: Classifica ogni pixel di un'immagine in categorie predefinite (ad esempio, strada, auto, cielo), fornendo una comprensione densa a livello di pixel senza distinguere tra le singole istanze di oggetto.
• Segmentazione delle istanze: Fa un passo avanti rispetto al rilevamento degli oggetti e alla segmentazione semantica, identificando le singole istanze degli oggetti e fornendo una maschera a livello di pixel per ciascuna di esse.

Applicazioni del mondo reale

Le architetture di rilevamento degli oggetti sono alla base di numerose applicazioni di intelligenza artificiale in diversi settori:

1. Veicoli autonomi: È fondamentale per consentire alle auto a guida autonoma di percepire l'ambiente circostante rilevando altri veicoli, pedoni, ciclisti e segnali stradali per una navigazione sicura(vedi il blog AI nelle auto a guida autonoma).
2. Analisi delle immagini mediche: Assistere i radiologi individuando e localizzando automaticamente anomalie come tumori, lesioni o fratture in radiografie, TAC e risonanze magnetiche, portando potenzialmente a diagnosi più precoci(esplora l'IA nell'assistenza sanitaria).
3. Sicurezza e sorveglianza: Automatizzazione del monitoraggio attraverso il rilevamento di intrusioni, l'identificazione di individui specifici(riconoscimento facciale) o il tracciamento di oggetti nei feed video(vedi la Guida ai sistemi di allarme di sicurezza).
4. Retail Analytics: Monitoraggio delle scorte a scaffale(AI per la gestione dell'inventario), analisi del traffico dei clienti e miglioramento dei sistemi di cassa.

Strumenti e tecnologie

Lo sviluppo e la distribuzione di modelli basati su queste architetture richiede spesso strumenti e framework specializzati:

• Ultralytics YOLO: una popolare famiglia di modelli e un framework di accompagnamento noti per l'equilibrio tra velocità e accuratezza, ampiamente utilizzati per applicazioni in tempo reale. Puoi confrontare le diverse versioni di YOLO , come YOLO11 vs YOLOv10.
• Ultralytics HUB: una piattaforma che semplifica il processo di formazione, gestione e distribuzione dei modelli YOLO senza dover ricorrere a una codifica approfondita.
• Quadri di apprendimento profondo: Librerie come PyTorch e TensorFlow forniscono gli elementi di base per la creazione e l'addestramento di queste complesse reti neurali.
• OpenCV: una libreria open-source essenziale che offre una vasta gamma di funzioni di computer vision spesso utilizzate insieme a modelli di rilevamento per attività di pre-elaborazione e post-elaborazione.