Tag Archivio per: Visione artificiale

Cosa è Azure Custom Vision

Azure Custom Vision è uno dei servizi disponibili nella famiglia Visione Artificiale degli “Azure Cognitive Service”

Azure Cognitive Services

I Cognitive Services di Visione Artificiale coprono diverse esigenze, ad esempio:

• analisi delle immagini:
  • identificazione e classificazione di elementi e oggetti rappresentati
  • classificazione e descrizione delle immagini
  • identificazione di marchi
  • identificazione di contenuti per adulti
• analisi dei volti:
  •  identificazione delle persone
  • identificazione del genere e dell’età
  • valutazione delle emozioni
  • identificazione delle caratteristiche dei volti (es. geometria del viso, capelli, barba)
  • identificazione accessori (es tipologia occhiali) e trucco
• analisi video
• estrazione dei contenuti dai documenti semistrutturati e scritti a mano

Tra i servizi di analisi delle immagini, Azure Custom Vision consente di implementare soluzioni applicative in grado di classificare immagini o riconoscere oggetti all’interno delle stesse, utilizzando modelli Machine Learning di classificazione in modo trasparente, senza la complessità legata alla loro implementazione.

Cosa si può fare con Azure Custom Vision

Custom Vision può essere utilizzato in differenti scenari, ad esempio nel monitoraggio dell’adozione dei presidi di sicurezza negli ambienti di lavoro. Analizzando le immagini acquisite da sistemi di videosorveglianza è possibile identificare in real-time se un soggetto rispetta le prescrizioni ad esempio sull’utilizzo di caschi, occhiali di protezione e della mascherina.

Custom Vision può essere utilizzato per l’implementazione di soluzioni per il monitoraggio dell’inventario di strumenti di lavoro con l’obiettivo di minimizzare le perdite di strumenti e di ridurre le tempistiche di gestione.
Custom Vision analizzando le immagini è in grado di riconoscere i vari strumenti e di distinguere i diversi modelli anche se differiscono di poco.
Inoltre, l’utilizzo di modelli dedicati consente di sviluppare soluzione ottimizzate per l’analisi e la classificazione di immagini in ambito fashion e retail.

Come funziona

Per implementare una soluzione per il riconoscimento delle immagini è necessario per prima cosa costruire il modello di interpretazione rispetto all’ambito. Ad esempio, se voglio classificare immagini di frutta devo “addestrare” il modello con alcune immagini di frutta e per ogni immagine devo specificare se si tratta di mele, pere o altra frutta.

La costruzione del modello prevede le seguenti fasi:

1. Definizione del training set di immagini, cioè dell’insieme delle immagini che saranno utilizzate per l’addestramento
2. Caricamento ed etichettatura delle immagini (Labeling), durante il quale viene indicato al modello se l’immagine caricata è un mela, una pera o un altro frutto
3.  Addestramento del modello (Training), nel quale viene elaborato il modello sulla base delle immagini del training set
4. Valutazione della qualità del modello, sulla base di alcuni indicatori di qualità (Precision e Recall)
5. Test con immagini non comprese nel training set, nel quale viene verificato se il modello classifica correttamente delle nuove immagini non appartenenti al training set

L’etichettatura delle immagini consente di “dire” al modello come deve essere classificata l’immagine o gli oggetti rappresentati al suo interno. L’immagine o gli oggetti contenuti vengono marcati con delle etichette.
Il ciclo di addestramento può essere ripetuto più volte fino a quando non si ottiene un modello predittivo soddisfacente.

Una volta che il modello è stato messo a punto può essere facilmente integrato in una soluzione applicativa utilizzando le web api o l’SDK fornito dalla piattaforma o esportando il modello per un suo utilizzo offline.

Di seguito alcuni link di riferimento:

Azure Cognitive Services
Azure Custom Vision
Personal Face Mask Detection with Custom Vision and Tensorflow.js
PPE Compliance Detection using Artificial Intelligence in Learning Factories
Leveraging Cognitive Services to simplify inventory tracking

Claudio Deidda

AI Team Leader