Image S, distributore di componenti per image processing, presenta Retina, il software di Squeeze Brains per la classificazione di oggetti basato sull’intelligenza artificiale(AI), che non necessita di procedure di addestramento lunghe e complesse.
Squeeze Brains è un’azienda bresciana che progetta e sviluppa software e dispositivi di image processing con l’obiettivo di portare intelligenza artificiale e machine learning nel mondo dell’industria, dell’automazione e del controllo di qualità, senza la necessità di avere esperti di AI.
Retina è una libreria basata sull’intelligenza artificiale per l’analisi delle immagini, che ha la capacità di apprendere e poi di riconoscere oggetti presenti in un’immagine.
Cos’è e come funziona
Retina è composto da una libreria scritta in “C”, per Windows, Linux e Android su piattaforma X86 ed ARM e da una GUI, un’interfaccia grafica, per Windows su piattaforma X86. Con la GUI è possibile addestrare Retina e fare i test.
Il flusso di lavoro si compone di quattro passaggi: prima si importano le immagini nella GUI, con la GUI si addestra Retina a riconoscere uno o più oggetti, il risultato dell’addestramento è un file di piccole dimensioni, questo file contiene tutto ciò che serve alla libreria Retina per elaborare le immagini in linea.
Il grosso vantaggio rispetto ad altri pacchetti software è dato dalla fase di addestramento estremamente semplificata e che non richiede migliaia di immagini: ne basta qualche decina.
Integrare la libreria Retina può richiedere uno sforzo minimo, cioè solo poche righe di codice che servono per elaborare le immagini, oppure un po’ più di tempo se si vuole integrare la GUI nel proprio software.
Caratteristiche salienti
Analisi generica non dedicata ad alcun compito specifico. Se pensiamo al riconoscimento facciale, anch’esso è basato sull’intelligenza artificiale con feature utilizzate per il riconoscimento delle caratteristiche del volto: occhi, naso, bocca, mento.
Va benissimo per trovare volti ma non altrettanto bene per altri tipi di oggetti. Per contro, in Retina vengono utilizzate delle caratteristiche più generiche non dedicate a nessun oggetto particolare.
Nessun parametro di configurazione. Non ci sono soglie da impostare per condizionare l’elaborazione, ma è Retina che trova tutti i valori ottimali. Gli unici parametri sono le immagini stesse per cui, se un’immagine non viene elaborata in modo corretto, l’operatore non deve modificare parametri ma aggiungere l’immagine al dataset di addestramento e rifare l’apprendimento.
Apprende attraverso l’addestramento. Con l’analisi classica, per ogni problema da risolvere deve essere scritta una sequenza di operazioni che svolge un compito ben specifico.
Invece la tecnica di machine learning permette di avere una libreria che impara cosa deve fare e, nel caso di Retina, impara l’oggetto che deve essere trovato all’interno della stessa immagine.
Questo implica che ci sia una fase di addestramento: SqueezeBrains ha cercato di semplificarla il più possibile in modo da richiedere dataset ridotti (si parla di decine di immagini e non di migliaia) e in una modalità semplificata.
Addestramento supervisionato (SVL) con interazione uomo-macchina. Retina inizia ad apprendere con pochissime immagini e poi c’è una fase in cui Retina propone e l’operatore conferma e, se su un’immagine si verifica un errore, l’operatore lo corregge e aggiunge l’immagine al dataset di apprendimento. In questo modo in poco tempo raggiunge un apprendimento stabile pronto per essere utilizzato in macchina.
Applicazioni
Il software Retina trova applicazione in diversi settori: industriale, ad esempio per il riconoscimento e la classificazione di oggetti o il riconoscimento di difetti (visione per robot, automazione, controllo qualità, macchine selezionatrici); sicurezza, ad esempio per il riconoscimento di pedoni e il conteggio di persone (videosorveglianza, elaborazione di immagini); automobilistico, ad esempio per il riconoscimento di pedoni e segnali stradali (sistemi di guida assistita, retrovisori intelligenti, sistemi di monitoraggio del conducente, guida autonoma); traffico, ad esempio per la classificazione e il conteggio di veicoli (sistemi di riscossione pedaggio, monitoraggio del traffico, gestione parcheggi).
