Russo, Maria Aurora
(2023)
Implementazione di YOLOv8 in Expo per il Rilevamento Oggetti: Analisi delle Prestazioni tra Inferenza Online e Locale.
[Laurea magistrale], Università di Bologna, Corso di Studio in
Ingegneria informatica [LM-DM270], Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore.
(
Contatta l'autore)
Abstract
Gli studi del Machine Learning e dell'intelligenza artificiale sono diventati sempre più ricercati ed avanzati, tanto da ritrovarli anche nel settore scientifico, sanitario, edile ed energetico.
Con l'avvento di tali tecnologie emergenti, le applicazioni mobile si stanno evolvendo per accogliere queste funzionalità ed offrire esperienze sempre più coinvolgenti, personalizzate e mirate a facilitare e velocizzare i servizi dell'utente.
In uno scenario storico in cui sempre più persone decidono di acquisire uno stile di vita più sostenibile e i problemi alimentari accrescono ogni giorno di più, Happy Vegan fonda le sue radici, per aiutare tutti gli utenti a facilitare l'acquisto di prodotti più affini alla loro alimentazione. Questa necessità nasce dalla presenza di etichette relative agli ingredienti di ogni prodotto non del tutto trasparenti e spesso poco chiare
L' interfaccia grafica di Happy Vegan si presenta molto intuitiva e semplice. Per distinguersi dai progetti già esistenti, i prodotti da analizzare vengono elaborati nell'insieme e non singolarmente. Il suo utilizzo difatti prevede la presenza di un'immagine, scelta dalla galleria oppure acquisita tramite fotocamera, sottoposta a una fase di inferenza, in cui si identificano i prodotti presenti e ad ognuno di essi vi si associa una scheda riassuntiva con le caratteristiche di interesse.
Dopo uno studio approfondito di alcuni algoritmi di object detection facenti parte della famiglia YOLO, lo strumento utilizzato per il riconoscimento dei prodotti all'interno del progetto finale di tesi è YOLOv8.
Per far sì che l'inferenza abbia tempi di risposta brevi è stato necessario esaminare il caso in cui questa avvenga attraverso una richiesta alla piattaforma online Roboflow o, in alternativa, ad un server locale.
In conclusione, sono stati valutati dei potenziali aggiornamenti da apportare successivamente, in modo da fortificare l'architettura e il funzionamento dell'applicazione.
Abstract
Gli studi del Machine Learning e dell'intelligenza artificiale sono diventati sempre più ricercati ed avanzati, tanto da ritrovarli anche nel settore scientifico, sanitario, edile ed energetico.
Con l'avvento di tali tecnologie emergenti, le applicazioni mobile si stanno evolvendo per accogliere queste funzionalità ed offrire esperienze sempre più coinvolgenti, personalizzate e mirate a facilitare e velocizzare i servizi dell'utente.
In uno scenario storico in cui sempre più persone decidono di acquisire uno stile di vita più sostenibile e i problemi alimentari accrescono ogni giorno di più, Happy Vegan fonda le sue radici, per aiutare tutti gli utenti a facilitare l'acquisto di prodotti più affini alla loro alimentazione. Questa necessità nasce dalla presenza di etichette relative agli ingredienti di ogni prodotto non del tutto trasparenti e spesso poco chiare
L' interfaccia grafica di Happy Vegan si presenta molto intuitiva e semplice. Per distinguersi dai progetti già esistenti, i prodotti da analizzare vengono elaborati nell'insieme e non singolarmente. Il suo utilizzo difatti prevede la presenza di un'immagine, scelta dalla galleria oppure acquisita tramite fotocamera, sottoposta a una fase di inferenza, in cui si identificano i prodotti presenti e ad ognuno di essi vi si associa una scheda riassuntiva con le caratteristiche di interesse.
Dopo uno studio approfondito di alcuni algoritmi di object detection facenti parte della famiglia YOLO, lo strumento utilizzato per il riconoscimento dei prodotti all'interno del progetto finale di tesi è YOLOv8.
Per far sì che l'inferenza abbia tempi di risposta brevi è stato necessario esaminare il caso in cui questa avvenga attraverso una richiesta alla piattaforma online Roboflow o, in alternativa, ad un server locale.
In conclusione, sono stati valutati dei potenziali aggiornamenti da apportare successivamente, in modo da fortificare l'architettura e il funzionamento dell'applicazione.
Tipologia del documento
Tesi di laurea
(Laurea magistrale)
Autore della tesi
Russo, Maria Aurora
Relatore della tesi
Scuola
Corso di studio
Indirizzo
CURRICULUM INGEGNERIA INFORMATICA
Ordinamento Cds
DM270
Parole chiave
APP,YOLO,Expo,Roboflow,Inferenza
Data di discussione della Tesi
16 Dicembre 2023
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Russo, Maria Aurora
Relatore della tesi
Scuola
Corso di studio
Indirizzo
CURRICULUM INGEGNERIA INFORMATICA
Ordinamento Cds
DM270
Parole chiave
APP,YOLO,Expo,Roboflow,Inferenza
Data di discussione della Tesi
16 Dicembre 2023
URI
Gestione del documento: