Vai al contenuto principale
SECO

Scegliere l’AI giusta per la videosicurezza: YOLO vs. Hugging Face vs. Mistral

L’affermarsi di un’AI pratica e conveniente ha cambiato le aspettative nel settore della Digital Security and Surveillance (DSS). I professionisti della sicurezza si aspettano ormai che funzioni come il conteggio delle persone, il riconoscimento delle targhe e il rilevamento di oggetti sospetti siano standard in ogni sistema DSS.

L’AI giusta per la videosicurezza

Questo pone una sfida urgente a OEM e progettisti di sistemi: come fare il deployment dei modelli di AI abbastanza in fretta da stare al passo con le richieste sempre più esigenti dei clienti, e come far sì che questi modelli vengano eseguiti sul campo, risultando così indipendenti dai data center basati su cloud. Sviluppare modelli personalizzati internamente è spesso troppo lento e costoso, e fa dei modelli di AI già pronti un’alternativa interessante per un deployment rapido.

Tra i principali fornitori ci sono Ultralytics YOLO, Hugging Face e Mistral. Ciascuno offre soluzioni di computer vision progettate per il deployment at the edge, ottimizzando latenza, costi e privacy grazie all’elaborazione locale. Vediamo quali fattori considerare nella scelta di un modello, tra cui prestazioni, facilità di deployment e requisiti di licenza.

Ultralytics YOLO: lo specialista della computer vision

Delle tre opzioni, YOLO è l’unica progettata specificamente per la computer vision (CV) e, di conseguenza, spesso raggiunge le migliori prestazioni. Ma velocità e accuratezza non sono i suoi unici vantaggi: un altro grande punto a favore è la flessibilità. L’ecosistema YOLO comprende di tutto, dal completo YOLOv8 a opzioni leggere come YOLOv10-Nano, che offre oltre il 90% dell’accuratezza del suo fratello maggiore in un minuscolo pacchetto da 5 MB, perfetto per i deployment at the edge.

I modelli YOLO possono essere distribuiti su un’ampia varietà di piattaforme hardware per l’AI, tra cui GPU e acceleratori AI specializzati. Gli sviluppatori lavorano tipicamente nell’ecosistema Python, ma sono disponibili strumenti di conversione per supportare altri ambienti di programmazione. Un punto di forza di YOLO è la documentazione matura e il supporto della community. Tuttavia, per l’uso in produzione è necessaria una licenza commerciale, il che può essere un problema per i progetti con budget limitato.

Hugging Face: la potenza dell’open source

Hugging Face offre un’ampia alternativa open source. Pur essendo nota soprattutto per l’elaborazione del linguaggio naturale, Hugging Face mette a disposizione anche una vasta libreria di modelli di computer vision pre-addestrati. Questi comprendono non solo modelli standard di rilevamento di oggetti, ma anche modelli multimodali avanzati che combinano capacità di visione e linguaggio, ad esempio per rispondere a domande su un’immagine o per eseguire il riconoscimento ottico dei caratteri (OCR).

La libreria Hugging Face Transformers semplifica il fine-tuning e il deployment dei modelli, offrendo agli sviluppatori un framework flessibile. Se molti modelli Hugging Face sono disponibili con licenze permissive come Apache 2.0, alcuni richiedono licenze commerciali. È quindi essenziale esaminare con attenzione i termini di queste licenze.

Mistral: l’AI per la DSS aperta a tutti gli sviluppatori

Mistral, un altro fornitore open source, si concentra sui modelli linguistici di grandi dimensioni (LLM) con un supporto crescente per le attività di visione. La piattaforma di Mistral si distingue per il supporto di oltre 80 linguaggi di programmazione, che offre agli sviluppatori una flessibilità che va oltre Python.

Anche se Mistral non è specializzata nel rilevamento di oggetti ad alta velocità come YOLO, i suoi modelli eccellono nella generazione di approfondimenti dettagliati in forma di testo a partire dalle immagini, e sono quindi adatti alle applicazioni che richiedono un’analisi contestuale.

I modelli di Mistral possono inoltre essere usati insieme agli strumenti di Hugging Face, consentendo approcci ibridi. I modelli proprietari sono chiaramente contrassegnati, il che facilita agli sviluppatori le decisioni in materia di licenze.

Quale modello di AI è adatto al tuo progetto DSS?

È evidente che ogni piattaforma offre vantaggi distinti, in linea con diverse priorità di sviluppo. Possiamo riassumerli così:

  • Scegli YOLO se la tua esigenza principale è un rilevamento e tracciamento di oggetti veloce e accurato. La sua architettura progettata allo scopo offre risultati ai vertici del settore. Ricorda solo di includere le licenze commerciali nel budget del progetto.
  • Scegli Hugging Face per flessibilità e personalizzazione profonda nell’ecosistema Python. Se devi fare il fine-tuning dei modelli o vuoi combinare capacità di visione con la comprensione del linguaggio, la vasta libreria di modelli e i potenti strumenti di personalizzazione di Hugging Face offrono la base più versatile. Presta molta attenzione ai termini di licenza, che variano da modello a modello.
  • Scegli Mistral se ti serve un ampio supporto di linguaggi di programmazione o se vuoi combinare la visione con capacità di analisi dettagliata. Il supporto di Mistral per oltre 80 linguaggi di programmazione lo rende accessibile ai team di sviluppo privi di competenze in Python, mentre la sua forza nei modelli linguistici consente un’interpretazione più sofisticata delle riprese di sorveglianza.

Opzioni hardware per un deployment rapido

SECO offre diverse piattaforme hardware ottimizzate per eseguire questi modelli di AI at the edge e ha inoltre implementato con successo modelli YOLO sulla piattaforma Axelera AI Metis, che offre 15 TOPS per watt di potenza di elaborazione AI. Questa AIPU è stata integrata nel PC embedded modulare Palladio 500 RPL di SECO per creare una pipeline AI di computer vision completa dall'edge al cloud, offrendo una soluzione ottimizzata per applicazioni di sorveglianza impegnative.

Il prossimo cambiamento del mercato nella sorveglianza

La diffusione capillare dell’AI sta trasformando il mercato della videosorveglianza, proprio come la transizione dai sistemi analogici a quelli digitali all’inizio del millennio. Come allora, gli OEM e i progettisti di sistemi che adottano più rapidamente le nuove tecnologie otterranno un significativo vantaggio competitivo. Oggi questo significa spesso affidarsi a librerie di AI pronte all’uso e a hardware standard collaudato per accelerare sviluppo e deployment.

Sei pronto a trasformare i tuoi sistemi DSS con l’AI? Contatta SECO per scoprire come possiamo accelerare il tuo percorso.

Palladio 500 RPL

In evidenza in questo articolo

Palladio 500 RPL

Embedded PC modulare con processori Intel® Core™ di 13ª generazione

  • Boxed Solutions
  • Intel® Core™

Ricevi la newsletter di SECO.

Iscriviti con il tuo indirizzo email su seco.com.

Iscriviti