Servizi di Sviluppo Computer Vision per Team Industriali e di Prodotto USA e UE

Dipende dal compito e dai dati. YOLO v11 e YOLOv8 sono il default per l'object detection e la segmentazione per istanze quando si dispone di bounding box o maschere; v11 è più veloce e preciso, v8 ha l'ecosistema più ampio di checkpoint preaddestrati. SAM 2 è la scelta quando si necessita di maschere di segmentazione senza annotazione a livello di clic, in particolare per i video. CLIP e DINOv2 sono indicati per la classificazione zero-shot, il recupero di immagini e la ricerca visiva. L'addestramento personalizzato (Detectron2, MMDetection, teste personalizzate su backbone ViT/Swin) vale la pena quando il dominio si allontana dalle immagini naturali: radiografie, satellite, wafer a semiconduttore, microscopia. Il primo deliverable è sempre un memo scritto di selezione del modello, non un modello già scelto.

Latenza, privacy ed economia unitaria decidono. L'edge (NVIDIA Jetson, OAK-D, Coral, NPU mobile) vince quando si necessita di risposta sotto i 100 ms, quando la banda è limitata o quando inviare video al cloud è un problema di privacy o conformità. Il cloud (NVIDIA Triton su istanze GPU, AWS Rekognition per compiti commodity, GCP Vision, Azure Vision) vince quando si hanno bisogno di aggiornamenti centralizzati del modello, quando la precisione supera la latenza o quando i dispositivi non riescono a ospitare un modello da 200 MB. Molti sistemi in produzione fanno entrambe le cose: un piccolo detector on-device per il triage, un modello più grande nel cloud per la verifica. Valutiamo entrambi i percorsi sui vostri frame reali prima di raccomandare.

Playbook in tre fasi. Prima, pre-etichettatura con modelli foundation: SAM 2 per le maschere, GroundingDINO per le bounding box, CLIP per la classificazione, VLM di frontiera (GPT-4o, Claude 3.7) per i casi difficili. Questo riduce il tempo di annotazione del 60-80 percento. Seconda, revisione human-in-the-loop in Label Studio, CVAT o Roboflow con un obiettivo di inter-annotator agreement superiore a 0,85 (kappa di Cohen) prima che qualsiasi frame entri nell'addestramento. Terza, active learning: il modello sceglie il prossimo batch da etichettare in base all'incertezza, non a campionamento casuale. Possiamo gestire il team di annotazione noi stessi o configurare la pipeline e consegnarla al vostro.

Tre segnali monitorati quotidianamente. Primo, distribuzione degli output: istogrammi di confidenza per classe, drift del conteggio rilevamenti, drift dell'area delle maschere, tracciati rispetto a una baseline di sette giorni in Grafana. Secondo, input drift: spostamento dell'embedding nello spazio delle feature CLIP o DINOv2 tramite test MMD o KS rispetto al set di addestramento. Terzo, feedback ground-truth: una percentuale configurabile di frame di inferenza inviata alla revisione umana (o a un segnale di business a valle che funge da proxy per la ground truth) e report settimanali di precisione/recall per slice. Gli alert scattano al superamento delle soglie e attivano il workflow di readdestramento in MLflow, con un percorso di rollback documentato.

Sì, con il lavoro di conformità incluso nel perimetro fin dalla prima settimana. Ai sensi dell'articolo 9 del GDPR, i dati biometrici sono dati di categoria speciale: la base giuridica deve essere il consenso esplicito, l'interesse vitale o l'interesse pubblico rilevante. Co-autoriamo il DPIA con il vostro team privacy prima che qualsiasi frame venga elaborato. Le garanzie tecniche includono inferenza on-device dove fattibile, template facciali con hash invece di embedding grezzi, conservazione con scadenza e storage con IAM segregato. Per i deployment USA seguiamo BIPA (Illinois), CUBI (Texas) e Washington H.B. 1493. Siamo conformi al GDPR, pronti per ISO 27001, SOC 2 Type II in corso, compatibili HIPAA e CCPA riconosciuto.

Gli ingaggi sono a perimetro fisso e snelli, tutto incluso e quotati in USD. Un CV PoC parte da 2.900 $ (4–6 settimane); un singolo modello di detection o classificazione da 8.100 $; una pipeline di vision end-to-end deployata su un target da 10.400 $; un sistema ML di produzione con MLOps e monitoraggio del drift da 13.800 $. Il numero esatto dipende da quanto il vostro dominio si allontana dalle immagini naturali, da quanti dati etichettati esistono al primo giorno, dal vostro target di deployment e budget di latenza e dal perimetro biometrico o regolamentato. Vedete il budget voce per voce alla fine della discovery e approvate prima che venga scritta una riga di codice. Non c'è ricarico di recruiting né sovrapprezzi per gli strumenti, e GPU compute, manodopera di annotazione e hardware edge girano sui vostri account, così mantenete la leva sui costi.