Google ha recentemente presentato FLAME (Few-shot Lightweight Active Model Enhancement), un nuovo e innovativo framework di apprendimento basato sull’Intelligenza Artificiale che promette di trasformare la precisione con cui gli oggetti vengono identificati nelle complesse immagini aeree e satellitari. Questa tecnologia è progettata per superare le limitazioni dei modelli esistenti di Open Vocabulary Object Detection (OVD), in particolare in contesti dove la risoluzione, l’angolo di ripresa e le sfumature visive rendono l’analisi estremamente ardua. FLAME non è soltanto un passo avanti nella precisione algoritmica, ma è anche una soluzione di efficienza computazionale, capace di eseguire l’apprendimento in tempo reale utilizzando una potenza di calcolo sorprendentemente modesta.
I tradizionali modelli OVD sono progettati per rilevare oggetti in un’immagine sulla base di una semplice query testuale fornita dall’utente. Tuttavia, nel dominio del telerilevamento, dove si analizzano foto satellitari o aeree, la loro accuratezza tende a crollare. Questo accade perché oggetti visivamente simili, come ad esempio un “peschereccio” e uno “yacht”, possono avere informazioni di embedding sovrapposte a causa delle variazioni di altezza, angolazione e forma sottile, rendendo difficile la loro distinzione.
Per affrontare questo problema, Google ha sviluppato FLAME combinando la vasta capacità di generalizzazione dei modelli pre-addestrati su larga scala con la precisione localizzata di un classificatore più leggero. Questa architettura ibrida è la chiave per mantenere un’ampia copertura di rilevazione pur affinando l’accuratezza semantica specifica del dominio.
Il cuore pulsante di FLAME è la sua struttura di “One-step Active Learning” (Apprendimento Attivo in un Solo Passo). Il processo inizia utilizzando un modello OVD ad alte prestazioni, come OWL ViT v2, per generare una grande quantità di regioni candidate (box) in risposta alla query di testo. Successivamente, il sistema entra nella fase di apprendimento attivo: esegue una stima della densità nello spazio delle caratteristiche a bassa dimensione per identificare i campioni incerti vicino ai confini di separazione e utilizza il clustering per assicurare la diversità dei dati.
Solo un piccolo sottoinsieme di campioni rappresentativi viene presentato all’utente. A questo punto, il ruolo dell’utente diventa cruciale ma estremamente efficiente: si limita a etichettare con il feedback di “positivo” o “negativo” circa trenta immagini di oggetti. Questi pochi dati etichettati vengono poi usati per addestrare un classificatore di piccole dimensioni. Mentre il modello di grandi dimensioni originale viene mantenuto “congelato” per garantire un alto tasso di richiamo (recall), il nuovo classificatore apprende a integrare la precisione semantica, migliorando notevolmente l’accuratezza del risultato finale.
L’aspetto più sorprendente di FLAME è la sua efficienza. L’intero processo di apprendimento può essere eseguito in meno di un minuto utilizzando soltanto una CPU, senza la necessità di potenti GPU. Questa velocità permette un adattamento quasi in tempo reale dei modelli anche in ambienti con immagini aeree o satellitari di grande volume.
I risultati ottenuti da FLAME nei benchmark di telerilevamento, come i set di dati DOTA e DIOR, sono stati eccezionali. Ad esempio, nel zero-shot learning (apprendimento senza esempi) sul set di dati DIOR, l’accuratezza media di un modello OVD convenzionale si attestava intorno al 29.4%. Applicando FLAME con solo trenta esempi (Few-shot learning), l’accuratezza è balzata a un impressionante 53.21%, superando tutti i modelli comparati. In alcuni casi estremi, come la classificazione degli “sfiati del camino” (chimney) nel set DIOR, l’accuratezza è passata da uno 0.11 quasi nullo a 0.94, dimostrando la capacità di FLAME di eliminare efficacemente i falsi positivi tra oggetti visivamente molto simili.
Google ritiene che FLAME sia un framework pratico e a basso costo per adattare rapidamente i modelli Vision-Language (VLM) di grandi dimensioni a domini specifici. Questa innovazione è destinata ad accelerare la diffusione delle applicazioni AI specializzate in settori cruciali come la sorveglianza satellitare, l’analisi di immagini mediche e l’ispezione industriale, rendendo l’intelligenza artificiale per l’analisi visiva ad alta precisione più accessibile e veloce che mai.