Sistemi di visione con Deep Learning, quando la soluzione è una rete neurale

Specialvideo sta ampliando le sue conoscenze sul tema dell’Intelligenza Artificiale e del Deep Learning trasferendo queste tecnologie dalla ricerca al settore industriale. Tale processo di apprendimento, partito dallo studio della teoria e delle librerie open source di Tensorflow, ha portato all’introduzione di reti neurali all’interno dei nostri sistemi.

Per ogni situazione studiamo il problema da affrontare scegliendo il modello di rete neurale che riteniamo più efficace. Siamo in grado di specializzare e personalizzare modelli di reti neurali già esistenti, ma allo stesso tempo possiamo creare e implementare nuove strutture che permettano la risoluzione di uno specifico compito.

Il campo di applicazioni per il deep learning è molto ampio e ricopre quasi interamente il ventaglio di task che può svolgere un algoritmo tradizionale.

Riconoscimento (classification)
Le reti neurali possono essere utilizzate per il riconoscimento di oggetti, permettendo così di risolvere problemi di classificazione. La suddivisione può avvenire tra due o più classi, senza che questo abbia effetti sull’efficienza del software. Casi pratici per questa applicazione possono essere lo smistamento di prodotti aventi caratteristiche differenti oppure il controllo qualità, dove la rete neurale impara a riconoscere i pezzi difettosi.

Localizzazione (object detection)
Un altro task in cui può essere sfruttato l’approccio deep learning è la guida robot, infatti esistono reti neurali specializzate nella localizzazione di uno o più tipologie di oggetti. L’individuazione del prodotto avviene tramite bounding box che possono anche essere orientate, ossia indicare la direzione in cui è disposto l’oggetto.

Individuazione di anomalie (anomaly detection)
Anche la ricerca di anomalie può essere un ottimo caso per l’uso di una rete neurale. Infatti esistono alcuni modelli capaci di imparare e generalizzare le caratteristiche dei prodotti conformi ad un certo standard individuando la presenza di eventuali anomalie. Un altro caso analogo può essere la ricerca di anomalie all’interno di un pattern sia regolare che irregolare di una superficie.

Classificazione e ricerca di difetti (segmentation)
L’immagine viene suddivisa in parti, segmentata, attraverso l’individuazione dei contorni dei vari oggetti in essa rappresentati ed un’eventuale successiva classificazione. Queste tipologie di reti neurali possono essere utilizzate per fare la suddivisione di una superficie in base alle sue caratteristiche oppure l’elaborazione di alcune parti dell’immagine riconosciute simili fra di loro.

Ampio campo di applicazione:

  • Riconoscimento (classification)
  • Localizzazione (object detection)
  • Individuazione di anomalie (anomaly detection)
  • Classificazione e ricerca di difetti (segmentation)