GUIDA AI visiva

Visione artificiale

La visione artificiale costruisce sistemi che estraggono informazioni da immagini o video.

Ascolta questa guidaNarrato dall'IA · ~2 min

In questa pagina2 minuti di lettura
  1. Panoramica
  2. Punti chiave
  3. Immersione profonda
  4. Prova per una scorciatoia in background
  5. Implementazione nel mondo reale
  6. Metterlo in pratica
  7. Fonti e approfondimenti
  8. Continua a esplorare
  9. Domande frequenti

Panoramica

Le attività includono la classificazione, il rilevamento degli oggetti, la segmentazione, il tracciamento e la risposta visiva alle domande. Ogni attività richiede un output diverso e nessuna fornisce automaticamente una comprensione completa di una scena.

Punti chiave

  1. Definire il compito visivo e l'output.
  2. Prova condizioni di cattura realistiche.
  3. Valutare la preelaborazione e le scorciatoie.

Immersione profonda

Le immagini diventano matrici numeriche che codificano pixel o altre rappresentazioni. Un modello apprende modelli utili per il suo obiettivo, ma tali modelli possono includere correlazioni accidentali. Un classificatore può fare affidamento su uno sfondo anziché sull'oggetto che uno sviluppatore intendeva riconoscere. Definire l'output con precisione. La classificazione assegna etichette a un'immagine; il rilevamento individua le istanze dell'oggetto; la segmentazione etichetta pixel o regioni. Un modello che identifica una categoria di oggetto potrebbe comunque non riuscire a individuarne il confine o a distinguere diverse istanze sovrapposte. Valuta telecamere, illuminazione, risoluzioni, punti di vista e ambienti realistici. Conserva insieme le immagini correlate della stessa scena o registra quando dividi i dati per evitare risultati eccessivamente ottimistici. Ispeziona le condizioni insolite e il costo dei diversi errori. L'applicazione deve inoltre gestire la qualità dell'immagine, le autorizzazioni, l'incertezza e le azioni a valle. Un'etichetta sicura non è la prova che una scena sia sicura o che un attributo dedotto sia appropriato da utilizzare. Conserva l'immagine di origine e le informazioni di revisione significative quando le persone hanno bisogno di controllare un risultato.

04Esempio lavorato

Prova per una scorciatoia in background

  1. Costruisci un set di dati del giocattolo in cui ogni immagine di addestramento di un giocattolo rosso è su un tavolo bianco e ogni giocattolo blu è su un tavolo scuro.

  2. Metti alla prova i giocattoli su sfondi scambiati e su una superficie invisibile.

  3. Se le previsioni seguono la tabella anziché il giocattolo, rivedere i dati e la valutazione anziché presumere che l'accuratezza originale misurasse il concetto previsto.

Cosa mostra

La configurazione inventata illustra una scorciatoia che una dimostrazione visivamente plausibile può nascondere.

Implementazione nel mondo reale

Rileva i difetti di fabbricazione nella configurazione effettiva della fotocamera e dell'illuminazione.

Classificare le immagini dei documenti autorizzati prima di indirizzarli a un processo di estrazione adeguato.

Metterlo in pratica

Perché è importante

  • Velocità e scala. L’intelligenza artificiale visiva può automatizzare le attività di ispezione, rilevamento ed etichettatura su larga scala.
  • Scelte di build. I team creativi possono prototipare i concetti più velocemente con meno revisioni manuali.
  • Team e flusso di lavoro. Le operazioni possono utilizzare segnali immagine e video che in precedenza erano difficili da elaborare.

Attenzione

  • I diritti di immagine e il consenso possono diventare rischi legali se la provenienza non è chiara.
  • Le prestazioni del modello possono variare in base all'illuminazione, ai dati demografici e agli ambienti.
  • I falsi positivi possono passare inosservati a meno che non vengano monitorate le soglie di confidenza.

Prossimi passi

  1. Definire i criteri di accettazione per i costi di precisione, richiamo ed errore.
  2. Testare con dati che corrispondono alle reali condizioni di produzione.
  3. Aggiungi la revisione umana per previsioni poco attendibili o ad alto impatto.
  4. Tieni traccia della deriva del modello e riconvalida dopo le modifiche alla fotocamera o al set di dati.

Fonti e approfondimenti

  1. Radford and colleaguesApprendimento della rappresentazione del linguaggio visivo

Continua a esplorare

Newsletter gratuita

Ricevi il briefing quotidiano sull'IA

Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.

Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.

Mettiti alla prova

Take the Computer Vision quiz

Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.

Inizia il quiz

Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione

Domande frequenti

Identificare un oggetto significa che il sistema comprende l'intera immagine?

No. Il riconoscimento degli oggetti è un compito. Relazioni, contesto, incertezza e utilizzo sicuro richiedono una valutazione separata.