Computer Vision: La Vista dell'AI

📌Convolutional Neural Networks

CNN (Convolutional Neural Networks) sono specializzate per le immagini. Invece di guardare ogni pixel individualmente, usano "filtri" che scansionano piccole aree dell'immagine. Un filtro potrebbe cercare linee verticali, un altro linee orizzontali, un altro curve. I layer iniziali trovano feature semplici (angoli), i layer profondi trovano feature complesse (occhi, nasi, volti). Prima del deploy testa condizioni reali come luce, angoli e qualita camera per evitare regressioni fuori laboratorio. Nota pratica: applica il concetto in un mini scenario reale prima del deploy. Takeaway: Testa in condizioni reali, non solo su dataset da laboratorio.

📌Riconoscimento di Oggetti

1. immagine entra come matrice di pixel,
2. filter CNN estraggono feature in modo gerarchico,
3. alla fine, il modello produce probabilità per ogni classe. Esempio: "Riconosco un cane con 95% probabilità, un gatto con 3%, nient'altro con 2%". Ma il sistema può sbagliare: una foto sfocata, un cane in posa strana, condizioni di luce scarsa — questi sono gli edge case che confondono l'AI. Prima del deploy testa condizioni reali come luce, angoli e qualita camera per evitare regressioni fuori laboratorio. Nota pratica: applica il concetto in un mini scenario reale prima del deploy. Takeaway: Testa in condizioni reali, non solo su dataset da laboratorio.