TECNOLOGIE
L’intelligenza artificiale applicata alla visione permette di creare modelli molto complessi che, se adeguatamente addestrati, possono adattarsi a situazioni che sarebbe molto difficile o impossibile controllare con tecniche di analisi classiche. Variazioni di luminosità, distorsioni prospettiche, sfocature, distorsioni della forma, rumore, ecc., sono tutti fenomeni che con le tecniche di analisi classiche si fa molta fatica a controllare, con la spiacevole conseguenza di aumentare i tempi di sviluppo e di messa in opera della macchina e comunque ridurre l’accuratezza di processo.
Ma l’intelligenza artificiale mostra anche la sua forza nei casi più semplici in quanto vi permette di risolvere il problema in modo ancora più rapido riducendo il “time to market”. Infatti, una volta integrata la libreria nel vostro applicativo, non sarà più necessario sviluppare nuovi algoritmi per eseguire nuovi controlli ma vi basterà fare un nuovo addestramento.
SqueezeBrains ha aggiunto alla tecnologia Shallow Learning, con cui aveva sviluppato i moduli Retina e Surface, la tecnologia Deep Learning con cui ha sviluppato i moduli: Deep Cortex e Deep Surface.
Questa scelta strategica è stata fatta per poter offrire un ventaglio più ampio di strumenti in modo risolvere dai problemi di visione più semplici, in cui sono sufficienti Retina e Surface, ai problemi più complicati dove saranno necessari Deep Cortex e Deep Surface.
I moduli Deep Learning, utilizzano sia reti CNN (Convolutional Neural Network) che Reti Neurali e come libreria di analisi è stato utilizzato PyTorch (è una libreria open source sviluppata da FaceBook).
