Computer Vision: quali sono le novità?

Negli ultimi anni è fortemente cresciuta l’attenzione verso la Computer Vision (CV), grazie all’avvento di tecniche sempre più avanzate di Machine Learning che hanno permesso di raggiungere prestazioni paragonabili a quelle del cervello umano.

La crescente capacità di indagine dei flussi video ha evidenziato come la Computer Vision sia una delle soluzioni software più promettenti nel campo dell’Artificial Intelligence.

Sono sempre di più le imprese che rivolgono l’attenzione a questa tecnologia per migliorare le proprie performance di business.

Come funzionano gli algoritmi di Computer Vision e quali opportunità possono offrire?

I task della Computer Vision

Gli algoritmi di CV possono effettuare indagini approfondite su un’immagine, a seconda delle tecniche utilizzate, della tipologia di immagine e del tipo di task effettuato. I notevoli progressi che la Computer Vision sta registrando sono dovuti principalmente allo sviluppo delle tecniche di Deep Learning, il ramo più evoluto del Machine Learning.

Tra i possibili task si individuano:

• Image Classification: analisi del contenuto dell’immagine e attribuzione di un’etichetta semantica;
• Object Detection: identificazione di una o più oggetti all’interno di un flusso video;
• Image Segmentation: suddivisione dell’immagine in sezioni per aumentarne la definizione e riconoscere più particolari;
• Face Recognition: riconoscimento del volto di persone;
• Action Recognition: identificazione di una o più entità e della loro relazione nel tempo e nello spazio al fine di identificare e descrivere azioni specifiche;
• Visual Relationship Detection: comprensione della relazione tra gli oggetti in un’immagine;
• Emotion Recognition: rilevamento del sentiment di un’immagine;
• Image Editing: modifiche a un’immagine (es. oscuramento di dati sensibili).

Inoltre, esistono diverse modalità con cui un’architettura di Artificial Vision può estrarre informazioni dalle immagini:

1. Hand Crafted Features
2. Computer Vision Features
3. Data Driven Features

Tutte possono essere scelte singolarmente o combinate a seconda delle esigenze dell’analisi. La prima si basa sul concetto che gli algoritmi possano estrarre e definire ciò che è rilevante nell’immagine (es. uno specifico colore, forma, area, grandezza), mentre il secondo si fonda sulla suddivisione in piccoli segmenti per permettere un’analisi più approfondita.

La vera frontiera della Computer Vision, però, sono le tecniche basate su Data Driven Features, che permettono il riconoscimento e la classificazione delle immagini senza dover progettare la fase di estrazione dei features che viene svolta da reti neurali.

Come funziona la CV?

Ma come fa una macchina a riconoscere gli oggetti presenti in un flusso video? Tutto il sistema è basato su 3 fasi fondamentali:

1. Acquisizione dell’immagine: le immagini vengono acquisite dal computer, anche in tempo reale, tramite foto o tecnologia 3D, con l’obiettivo di analizzarle.
2. Elaborazione dell’immagine: attraverso modelli di Deep Learning la macchina riesce a elaborare l’immagine attraverso specifici task. Gli algoritmi vengono addestrati precedentemente tramite il caricamento di migliaia di immagini etichettate e identificate precedentemente.
   3. Interpretazione dell’immagine: infine la macchina identifica, comprende e classifica l’immagine elaborata e intraprende un’azione o una segnalazione.

Il Machine Learning consente di addestrare i sistemi a capire il contesto di una foto sulla base di un set di dati e in questo modo è possibile capire cosa rappresentano tutti i numeri che si stanno analizzando. Infatti, è fondamentale sapere che una macchina non vede l’immagine così come la vediamo noi, ma osserva un set di numeri da elaborare e interpretare a seconda di come sono organizzati.

La Computer Vision può allenarsi fino a diventare migliore e più abile della vista umana, infatti quando un’immagine è ambigua possiamo continuare ad allenare il sistema con altri tipi di immagini finché il computer avrà abbastanza dati da riuscire a distinguerle perfettamente.

Potrebbe interessarti anche…