Vai al contenuto principale
Puoi classificare un’immagine a partire da un file o da un URL.
Questa sezione spiega come effettuare la richiesta con un file. Con un URL il procedimento è simile: la differenza principale è l’endpoint da chiamare al passo 1.

Linee guida per l’invio

Data la grande variabilità delle immagini, ti consigliamo di seguire queste semplici linee guida:
  • Invia al sistema l’immagine più “vicina” alla fonte: ad esempio, non inviare screenshot o foto di schermi.
  • I modelli di analisi delle immagini al momento non sono addestrati a riconoscere le foto di documenti: il risultato, se invii immagini di questo tipo, non è quindi affidabile.
  • Per le immagini prese dai social, i risultati più accurati si ottengono inviando immagini senza testi sovrapposti né le modifiche tipiche della condivisione sui social.
  • Se l’immagine è disponibile da altre fonti, evita di inviare link ai social, a causa della post-elaborazione applicata dalle varie piattaforme.

Invia un’immagine tramite l’API

Per classificare un’immagine, effettua una richiesta POST a /api/classification con i parametri richiesti (per i dettagli sui parametri consulta la sezione Riferimento API).
In risposta riceverai l’identificativo dell’immagine classificata.

Recupera i risultati

Usa l’identificativo ricevuto per recuperare i risultati della classificazione con una richiesta GET a /api/classification/{identifier} (per i dettagli su come strutturare la richiesta consulta la sezione Riferimento API).
La risposta contiene i risultati della classificazione dell’immagine in formato JSON. Nella risposta trovi un array results, con i risultati della classificazione di ogni modello usato, e un array verdicts, con i risultati di ogni euristica applicata.
La classificazione potrebbe non essere ancora terminata! Se non è ancora completa, continua a inviare la richiesta GET finché il risultato non è disponibile.

Heatmap

La funzionalità di heatmap (fornita dal modello Ardē) aiuta ad analizzare i dettagli dell’immagine. Un’immagine inviata senza heatmap potrebbe essere rilevata come umana, mentre l’analisi della stessa immagine con la heatmap potrebbe evidenziare tratti artificiali. Questo dipende da come i modelli interpretano le immagini ricevute in input. Se la heatmap è disponibile per il tuo utente, puoi richiedere l’analisi con heatmap passando l’argomento with_heatmap=true
Il calcolo della heatmap richiede un po’ di tempo. Al termine, il risultato includerà anche un modello chiamato Ardē:
Il valore score rappresenta l’area totale umana o artificiale. Nell’esempio, il risultato indica che il 20% dell’immagine è stato classificato come artificiale. Puoi anche scaricare la heatmap come immagine colorata usando l’apposito endpoint.

Smart Full Analysis

La Smart Full Analysis è una modalità di analisi avanzata pensata per ottenere il massimo dal processo di classificazione delle immagini. Un algoritmo di scoring proprietario individua e seleziona automaticamente le aree dell’immagine con il maggior contenuto informativo, in modo che l’analisi si concentri sui dettagli più rilevanti. L’approccio funziona come una mappa di rilevamento ottimizzata:
  1. l’immagine viene suddivisa in una selezione mirata di ritagli ad alto valore;
  2. ogni ritaglio viene analizzato e classificato dal modello più avanzato disponibile della famiglia Revelio;
  3. i risultati dei singoli ritagli vengono combinati in un verdetto complessivo, che tiene conto delle informazioni raccolte dalle diverse aree dell’immagine.
Il risultato è un’analisi più selettiva, efficiente e approfondita, che sfrutta al meglio i modelli Revelio.
La Smart Full Analysis è una versione avanzata e intelligente sia dell’analisi completa standard sia della heatmap: quando è abilitata, le sostituisce entrambe.
with_smart_analysis e with_heatmap non possono essere combinati: una richiesta con entrambi impostati a true viene rifiutata con un errore 422.
Se la Smart Full Analysis è inclusa nel tuo piano tariffario, puoi abilitarla passando l’argomento with_smart_analysis=true:
Se la Smart Full Analysis non è inclusa nel tuo piano tariffario, il parametro with_smart_analysis viene ignorato e l’immagine viene analizzata con lo scope standard.

XAI (eXplainable AI)

Non solo un verdetto. Scopri cosa ha osservato l’intelligenza artificiale per arrivare alla sua decisione. Perché Revelio ha classificato un’immagine o un video come generato dall’AI? Quali elementi del contenuto hanno attirato di più la sua attenzione? Con la nuova funzionalità XAI – eXplainable AI, identifAI fa un ulteriore passo verso una maggiore trasparenza e interpretabilità dei suoi modelli di classificazione. La XAI è un nuovo scope di analisi che arricchisce i verdetti di Revelio con un insieme di strumenti visivi e descrittivi, pensati per aiutarti a capire dove il modello ha concentrato la sua attenzione durante l’analisi.

Dalla classificazione alla comprensione

Quando la XAI è abilitata, i modelli Revelio non si limitano a restituire un verdetto: generano anche informazioni sui punti di attenzione che hanno caratterizzato il processo di classificazione. Queste informazioni vengono trasformate in tre strumenti complementari:

Attention Map

Guarda dove si concentra l’attenzione. Una rappresentazione visiva sovrapposta al contenuto originale, che evidenzia le aree su cui il modello si è concentrato di più. Un modo immediato e intuitivo per esplorare ciò che Revelio ha osservato.

Attention Graph

Esplora l’analisi più a fondo. Un grafico che mostra l’andamento e i picchi dell’attenzione del modello, offrendo una prospettiva più tecnica e dettagliata a chi vuole approfondire il comportamento dell’algoritmo.

Spiegazione AI

Dalle immagini alle parole. Una descrizione in linguaggio naturale delle regioni che hanno ricevuto più attenzione, disponibile in più lingue, per rendere le informazioni prodotte dal modello ancora più accessibili e facili da interpretare.

Più trasparenza, più strumenti per interpretare i risultati

Con la XAI, identifAI fornisce nuove informazioni a supporto dell’interpretazione dei risultati, affiancando alla classificazione tradizionale una prospettiva visiva, analitica e descrittiva. Un passo avanti verso un’intelligenza artificiale sempre più trasparente, comprensibile e accessibile.

Disponibile sulla piattaforma web e via API

La XAI è attualmente disponibile per l’analisi di immagini e video, sia tramite la piattaforma web di identifAI sia via API, così da poter essere integrata facilmente nei tuoi flussi di lavoro esistenti.
E l’audio? Ci stiamo lavorando! Il nostro obiettivo è estendere presto queste funzionalità anche all’analisi dei contenuti audio.
Avviso sul trasferimento dei dati: abilitando questa funzionalità, i dati delle tue immagini vengono trasferiti alla nostra infrastruttura cloud nell’UE per l’inferenza dei modelli.Le spiegazioni AI sono generate con modelli non sviluppati da identifAI.

Abilita la XAI tramite API

La XAI è controllata dai seguenti parametri dell’API per la classificazione delle immagini e dell’API per la classificazione delle immagini da URL: Se la XAI è inclusa nel tuo piano tariffario, puoi abilitarla, insieme alle spiegazioni AI in italiano, in questo modo:
Se la XAI non è inclusa nel tuo piano tariffario, il parametro with_xai viene ignorato e l’immagine viene analizzata senza XAI.
Anche le spiegazioni AI devono essere abilitate nel tuo piano tariffario: se il tuo piano include la XAI ma non le spiegazioni AI, una richiesta con with_llm_xai=true viene rifiutata con un errore 403. Un valore di llm_xai_language non supportato viene rifiutato con un errore 400. In entrambi i casi la richiesta viene rifiutata prima di analizzare l’immagine e non vengono consumati crediti.

Mappe XAI e spiegazioni nei risultati

Quando la XAI è abilitata, ogni risultato per modello in results che ha prodotto almeno una mappa XAI contiene un array explanations, che elenca ogni mappa del modello con la sua spiegazione AI:
Le spiegazioni AI sono risultati differiti: vengono prodotte dopo l’analisi principale, senza ritardarla. Il verdetto, i risultati della classificazione e l’elenco delle mappe XAI sono disponibili non appena lo status dell’invio diventa done, mentre le descrizioni vengono compilate in seguito: segui il campo deferred_status del risultato della classificazione, oppure imposta deferred_webhook_url per ricevere una notifica quando sono complete. description è null quando:
  • le spiegazioni AI non sono state richieste (with_llm_xai non impostato): le mappe vengono comunque elencate, così puoi scaricarle;
  • la spiegazione non è ancora disponibile, perché i risultati differiti sono ancora in corso;
  • la spiegazione è stata richiesta ma non è stato possibile generarla. Se succede a causa di un errore tecnico, deferred_status è errored, mentre le spiegazioni generate per le altre mappe vengono comunque restituite: vedi Risultati differiti. I crediti delle spiegazioni AI che non è possibile generare vengono rimborsati.
Tieni presente che:
  • le spiegazioni sono restituite solo dall’endpoint del singolo risultato della classificazione: non sono incluse negli elenchi delle classificazioni né nel payload inviato a webhook_url. La notifica inviata a deferred_webhook_url contiene le descrizioni nei campi xai e heatmaps;
  • i results per modello, e quindi le spiegazioni, sono restituiti solo se il tuo piano tariffario espone i dettagli dei modelli;
  • quando viene richiesta la heatmap, questa è elencata con type heatmap (e method null) nel risultato del modello Ardē; quando è abilitata la Smart Full Analysis, la sua heatmap è elencata nei risultati dei modelli che l’hanno prodotta.

Scarica Attention Map e Attention Graph

L’Attention Map e l’Attention Graph possono essere scaricati come immagini con l’endpoint per scaricare le mappe XAI, indicando il model che ha prodotto la mappa (come riportato nel campo model dei risultati per modello), il method XAI (legrad, transformer_attribution o attention_rollout) e il type di mappa (attention_map, il valore predefinito, o attention_graph):
Le mappe prodotte dipendono dal modello: le explanations di ogni risultato per modello elencano il type e il method di ogni mappa disponibile, anche quando le spiegazioni AI non sono state richieste. Se non è disponibile nessuna mappa del modello, metodo e tipo richiesti, l’endpoint restituisce un errore 404.
Quando la XAI è combinata con la Smart Full Analysis, la sua heatmap può essere scaricata come di consueto con l’endpoint per scaricare la heatmap.

Linee guida per interpretare i risultati

Per interpretare il risultato, ti consigliamo di concentrarti su:
  • Revelio come risultato principale per il verdetto (la scelta predefinita della piattaforma), con un’affidabilità maggiore se sono presenti volti e persone.
  • Aide per un’analisi dettagliata con il supporto della funzionalità di heatmap.
  • Morphing, da considerare solo in presenza di volti.
  • Ellen, se l’immagine proviene da fonti in cui in passato è stato accertato l’uso di strumenti di fotoritocco.
  • V01 e Brokenwand solo per immagini molto vecchie (e quindi potenzialmente generate con sistemi oggi non più in uso).
Inoltre, per l’analisi con heatmap ti consigliamo di:
  • Fare molta attenzione alle dimensioni delle immagini inviate: l’analisi con heatmap è particolarmente onerosa dal punto di vista computazionale e il tempo di elaborazione aumenta sensibilmente con le dimensioni dell’immagine. Le linee guida consigliano di inviare immagini con una risoluzione inferiore a 2k (o 4 megapixel).

Vedi anche

Classifica un video

Scopri come avviare la classificazione di un video e capire se è autentico o generato artificialmente

Classifica un audio vocale

Scopri come avviare la classificazione di un audio vocale e capire se è autentico o generato artificialmente