-
01 La domanda
Cosa c'è, e anche dove.
Sul tavolo ci sono tre mele e una tazza. Classificare la foto non basta più, perché le risposte sono tante e ognuna ha il suo posto. Il rilevamento01.04 trova ogni oggetto, gli dà una classe e lo chiude in un riquadro. Contare le mele diventa facile, basta contare i riquadri.
In pratica. Se ti serve sapere solo se una cosa c'è, classificare è più semplice e più veloce. Il rilevamento serve quando conta dove sta o quante sono.
-
02 Il riquadro
Un riquadro è fatto di quattro numeri.
Per il modello un riquadro sono quattro numeri. Due dicono dove sta il centro, due quanto è largo e quanto è alto. Si misurano in proporzione alla foto, da 0 a 1, così valgono a qualunque risoluzione. Ogni riquadro porta con sé una classe e una confidenza02.01, cioè quanto il modello è sicuro.
In pratica. Quando disegni i riquadri per addestrare, stringili bene intorno all'oggetto. Un bordo largo e uno stretto sulla stessa mela insegnano due cose diverse.
-
03 La griglia
La foto divisa in caselle, e ogni casella risponde.
YOLO, uno dei rilevatori più usati, divide la foto in una griglia di caselle. Ogni casella si occupa degli oggetti che hanno il centro dentro di lei, e per ognuno propone un riquadro, una classe e una confidenza. Tutto succede in un solo passaggio nella rete. Da qui il nome, You Only Look Once, guardi una volta sola.
In pratica. Due oggetti piccoli con il centro nella stessa casella sono il caso più difficile. Se ti capita, avvicinati o usa una foto di ingresso più grande.
-
04 I candidati
Migliaia di riquadri, quasi tutti da buttare.
Una foto di 640 pixel diventa tre griglie, di 80, 40 e 20 caselle per lato. Sono 8400 riquadri proposti per ogni foto. Quasi tutti hanno una confidenza bassissima, perché in quella casella non c'è niente. Il primo filtro è una soglia. Sotto il 25 per cento il riquadro si butta.
In pratica. La soglia la scegli tu. Alta e perdi gli oggetti difficili, bassa e compaiono riquadri sul niente. Parti dal 25 per cento e cambiala guardando gli errori.
-
05 La sovrapposizione
Quanto si sovrappongono due riquadri, da 0 a 1.
Dopo la soglia restano spesso tre o quattro riquadri sulla stessa mela, spostati di poco. Per capire se parlano dello stesso oggetto si misura quanto si sovrappongono. Si divide l'area in comune per l'area coperta in tutto dai due. Il numero va da 0, lontani, a 1, identici, e si chiama IoU, intersection over union.
In pratica. Un IoU di 0,5 sembra poco ma è già una buona sovrapposizione. Disegna due quadrati uguali spostati di un terzo del lato e fai il conto, viene esattamente 0,5.
-
06 I doppioni
Si tiene il migliore e si cancellano gli altri.
Ora si tolgono i doppioni. Si prende il riquadro con la confidenza più alta. Si cancellano quelli che lo coprono troppo, di solito con un IoU sopra 0,5 o 0,7. Poi si passa al migliore tra quelli rimasti, e così via. Si chiama non-maximum suppression, NMS, e alla fine resta un riquadro per oggetto.
In pratica. Se due mele vicine diventano un riquadro solo, la soglia di IoU è troppo bassa. Se la stessa mela ha due riquadri, è troppo alta.
-
07 Il telefono
Più piccola la foto, più veloce e meno precisa.
YOLOv8 nano ha 3,2 milioni di pesi, poco meno di MobileNet. A 640 pixel fa quasi 9 miliardi di operazioni per foto. Si può scendere a 320 pixel, e i calcoli diventano un quarto. Il prezzo sono gli oggetti piccoli e lontani, che a quella risoluzione restano pochi pixel e spariscono.
In pratica. Scegli la risoluzione guardando l'oggetto più piccolo che ti serve. Se nella foto rimpicciolita lo riconosci ancora tu, lo riconoscerà anche il modello.