Comprendere la visione AI: dalla classificazione delle immagini alla segmentazione delle istanze

Nella visione artificiale, la complessità di come una macchina percepisce un'immagine progredisce dalla comprensione dell'intera immagine come un singolo concetto all'analisi a livello di singoli pixel. Questi compiti sono categorizzati in base al livello di dettaglio che forniscono.

Classificazione delle immagini

La classificazione delle immagini è il compito più fondamentale. Consiste nell'assegnare una singola etichetta a un'intera immagine. Ad esempio, se mostri a un'IA una foto di un cane, il modello emette semplicemente l'etichetta 'Cane'. Dice cosa c'è nell'immagine ma non specifica dove si trova l'oggetto o se ci sono più oggetti. Viene utilizzata in contesti come la moderazione dei contenuti, dove un'intera immagine viene contrassegnata come sicura o non sicura, o in semplici sistemi di smistamento in cui le immagini vengono categorizzate in cartelle in base al loro contenuto.

Rilevamento degli oggetti

Il rilevamento degli oggetti passa a un livello più granulare identificando sia cosa c'è nell'immagine sia dove si trova. Invece di etichettare solo l'intera immagine, disegna un riquadro di delimitazione attorno a oggetti specifici e assegna un'etichetta a ciascun riquadro. Ad esempio, in una scena stradale, potrebbe disegnare riquadri attorno a tre diverse auto e un pedone. Questo è essenziale per applicazioni in tempo reale come la guida autonoma, dove un'auto deve sapere esattamente dove sono gli ostacoli per evitarli, o nella vendita al dettaglio, dove le telecamere tracciano i prodotti sugli scaffali per gestire l'inventario.

Segmentazione semantica

La segmentazione semantica porta l'analisi a livello di pixel. Classifica ogni singolo pixel di un'immagine in una categoria, come strada, cielo, albero o auto. Tuttavia, non distingue tra singoli oggetti della stessa classe. Se ci sono tre auto nell'immagine, la segmentazione semantica colorerà tutti i pixel appartenenti a qualsiasi auto con la stessa etichetta, trattandoli effettivamente come un unico grande blocco di pixel di auto. Questo è molto utile per compiti in cui il confine preciso di una regione è più importante dei singoli oggetti, come nell'imaging medico per identificare l'area di un tumore o nell'imaging satellitare per mappare l'uso del suolo come foreste o corpi idrici.

Segmentazione delle istanze

La segmentazione delle istanze combina i punti di forza del rilevamento degli oggetti e della segmentazione semantica. Come la segmentazione semantica, classifica ogni pixel, ma distingue anche tra singole istanze della stessa classe. Se ci sono tre auto, le etichetterà come Auto 1, Auto 2 e Auto 3, fornendo una maschera unica per ciascuna. Questo è il livello di analisi più preciso. Viene utilizzato in robotica avanzata dove una macchina deve raccogliere un oggetto specifico da un mucchio di oggetti simili, o in diagnostica medica dove un medico deve contare e misurare singole cellule o lesioni piuttosto che identificare solo l'area generale del tessuto.

Tabella di confronto

Conclusione

In sintesi, la scelta del compito dipende dall'output richiesto. Usa la classificazione delle immagini quando hai bisogno solo di conoscere il contenuto generale di un'immagine. Usa il rilevamento degli oggetti quando devi localizzare oggetti con riquadri di delimitazione. Usa la segmentazione semantica quando devi comprendere la forma e i confini delle categorie nell'intera scena. Usa la segmentazione delle istanze quando devi identificare, contare e delineare con precisione ogni singolo oggetto nell'immagine.