Nell’ambito della Computer Vision (CV), l’attenzione è spesso rivolta allo sviluppo di modelli di deep learning, trascurando le fasi cruciali di definizione del problema come: preparazione dei dati, messa in produzione del modello e successivo monitoraggio.

In questo talk, illustreremo il nostro approccio allo sviluppo di servizi di CV attraverso un use-case reale: la classificazione degli ambienti di un immobile utilizzando esclusivamente tecnologie open-source. In particolare racconteremo:

• come dall’esigenza di business passiamo ai requisiti tecnici per il modello e il servizio;
• il processo di creazione del dataset di immagini e dello sviluppo e dell’ottimizzazione della performance del modello;
• la messa in produzione in ambiente on-premise del servizio di CV basata sulla combinazione di una proxy API targata FastAPI e di un model serving basato su TorchServe per assicurare un servizio che sia scalabile e che garantisca un throughput elevato e una bassa latenza;
• come abbiamo implementato il nostro sistema di monitoraggio per garantire l’efficienza e la correttezza del servizio, vigilando sull’hardware, sulla qualità dei dati, sull’accuratezza del modello e sulle KPI di business.

Attraverso questo approccio, abbiamo realizzato un servizio di CV innovativo e performante, dimostrando l’efficacia delle soluzioni open-source nel rispondere a esigenze complesse di business.