Was ist ResNet-50 und welche Bedeutung hat es für Computer Vision?

Die automatisierte Bildanalyse wird in Anwendungen wie der Erkennung von Geschwindigkeitsüberschreitungen oder der Analyse medizinischer Bilder zunehmend verbreitet. Die Technologie hinter diesen Innovationen ist Computer Vision oder visuelle KI. Sie ist ein Teilgebiet der künstlichen Intelligenz (AI), das Maschinen ermöglicht, Bilder und Videos ähnlich wie Menschen zu interpretieren und zu verstehen.

Um solche Computer-Vision-Lösungen zu entwickeln, greifen Entwickler auf Modelle für visuelle KI zurück, die aus großen Mengen visueller Daten lernen können. Im Laufe der Jahre haben Forscher neuere und fortschrittlichere Modelle mit beeindruckender Leistung bei Aufgaben der visuellen KI entwickelt, etwa Bildklassifizierung (Zuweisen von Bezeichnungen zu Bildern), Objekterkennung (Lokalisieren und Identifizieren von Objekten in Bildern) und Instanzsegmentierung (Erkennen von Objekten und Umranden ihrer exakten Formen).

Ein Blick zurück und das Verständnis früherer Modelle können jedoch dabei helfen, nachzuvollziehen, wie heutige Computer-Vision-Systeme funktionieren. Ein wichtiges Beispiel ist ResNet-50, ein einflussreiches Modell, das die Idee von Kurzschlussverbindungen eingeführt hat – einfachen Pfaden, die dem Modell helfen, schneller und genauer zu lernen.

Diese Innovation ermöglichte das effektive Training deutlich tieferer neuronaler Netze, führte zu erheblichen Verbesserungen bei der Bildklassifizierung und prägte das Design vieler nachfolgender Modelle. In diesem Artikel sehen wir uns ResNet-50, seine Funktionsweise und seine Bedeutung für die Entwicklung von Computer Vision an. Legen wir los!

Was ist ResNet-50?#

ResNet-50 ist ein Computer-Vision-Modell, das auf einem Typ neuronalen Netzes namens Faltungsneuronales Netz (CNN) basiert. CNNs helfen Computern, visuelle Informationen zu verstehen, indem sie Muster in Bildern wie Kanten, Farben oder Formen erlernen und diese Muster nutzen, um Objekte zu erkennen und zu klassifizieren.

ResNet-50 wurde 2015 von Forschern bei Microsoft Research vorgestellt und entwickelte sich aufgrund seiner Genauigkeit und Effizienz bei groß angelegten Bilderkennungsaufgaben schnell zu einem der einflussreichsten Modelle auf diesem Gebiet.

Ein wichtiges Merkmal von ResNet-50 ist die Verwendung von Residualverbindungen, die auch als Kurzschlussverbindungen bezeichnet werden. Dabei handelt es sich um einfache Pfade, über die das Modell einige Schritte im Lernprozess überspringen kann. Anstatt die Informationen durch jede einzelne Schicht zu zwingen, ermöglichen diese Abkürzungen, wichtige Details direkter weiterzugeben. Dadurch wird das Lernen schneller und zuverlässiger.

Abb. 1. Einblick in die Residualverbindungen der ResNet-Architektur.

Dieses Design hilft, ein häufiges Problem beim Deep Learning zu lösen: das Problem des verschwindenden Gradienten. In sehr tiefen Modellen können wichtige Informationen verloren gehen, während sie zahlreiche Schichten durchlaufen, wodurch das Lernen für das Modell erschwert wird.

Residualverbindungen helfen, dies zu verhindern, indem sie den Informationsfluss vom Anfang bis zum Ende aufrechterhalten. Daher heißt das Modell ResNet-50: ResNet steht für Residual Network, und die „50“ bezieht sich auf die Anzahl der Schichten, die es zur Verarbeitung eines Bildes verwendet.

Überblick über die Funktionsweise von ResNet-50#

ResNet-50 verfügt über eine gut strukturierte Architektur, dank der das Modell tief werden kann, ohne wichtige Informationen zu verlieren. Es folgt einem einfachen, wiederholbaren Muster, das die Effizienz bewahrt und gleichzeitig eine hohe Leistung ermöglicht.

Hier siehst du dir die Funktionsweise der ResNet-50-Architektur genauer an:

• Grundlegende Merkmalsextraktion: Das Modell beginnt mit einer mathematischen Operation namens Faltung. Dabei werden kleine Filter, sogenannte Kernel, über das Bild bewegt, um Merkmalskarten zu erzeugen – neue Bildversionen, die grundlegende Muster wie Kanten oder Texturen hervorheben. So beginnt das Modell, nützliche visuelle Informationen zu erfassen.
• Erlernen komplexer Merkmale: Während sich die Daten durch das Netzwerk bewegen, wird die Größe der Merkmalskarten kleiner. Dies geschieht durch Techniken wie Pooling oder durch Filter mit größeren Schrittweiten, sogenannten Strides. Gleichzeitig erzeugt das Netzwerk mehr Merkmalskarten, wodurch es zunehmend komplexere Muster wie Formen, Objektteile oder Texturen erfassen kann.
• Komprimieren und Erweitern von Daten: Jede Stufe komprimiert die Daten, verarbeitet sie und erweitert sie anschließend wieder. Dadurch kann das Modell lernen und gleichzeitig Speicher sparen.
• Kurzschlussverbindungen: Dies sind einfache Pfade, über die Informationen Schichten überspringen können, anstatt jede Schicht zu durchlaufen. Sie machen das Lernen stabiler und effizienter.
• Erstellen einer Vorhersage: Am Ende des Netzwerks werden alle erlernten Informationen kombiniert und durch eine Softmax-Funktion geleitet. Diese gibt eine Wahrscheinlichkeitsverteilung über mögliche Klassen aus, die die Zuversicht des Modells für jede Vorhersage angibt – zum Beispiel 90 % Katze, 9 % Hund, 1 % Auto.

Abb. 2. Die ResNet-50-Architektur.

Wichtige Merkmale von ResNet-50#

Obwohl ResNet-50 ursprünglich für die Bildklassifizierung entwickelt wurde, hat sein flexibles Design das Modell in vielen Bereichen von Computer Vision nützlich gemacht. Sehen wir uns einige Merkmale an, durch die sich ResNet-50 auszeichnet.

ResNet-50 für die Bildklassifizierung verwenden#

ResNet-50 wird hauptsächlich für die Bildklassifizierung verwendet, bei der einem Bild genau eine Bezeichnung zugewiesen werden soll. Bei einem Foto kann das Modell es beispielsweise anhand des wichtigsten erkannten Objekts als Hund, Katze oder Flugzeug klassifizieren.

Sein zuverlässiges Design und seine Verfügbarkeit in weit verbreiteten Deep-Learning-Bibliotheken wie PyTorch und TensorFlow machten ResNet-50 zu einer beliebten frühen Wahl für das Training mit großen Bilddatensätzen. Eines der bekanntesten Beispiele ist ImageNet, eine riesige Sammlung beschrifteter Bilder, die zur Bewertung und zum Vergleich von Computer-Vision-Modellen verwendet wird.

Obwohl neuere Modelle wie Ultralytics YOLO11 eine bessere Leistung erzielen, wird ResNet-50 dank seines ausgewogenen Verhältnisses von Genauigkeit, Geschwindigkeit und Einfachheit weiterhin häufig als Benchmark eingesetzt.

Abb. 3. Beispiel für die Verwendung von ResNet-50 zur Klassifizierung eines Hundes.

Objekterkennung mit ResNet-50 als Backbone#

Während es bei der Bildklassifizierung darum geht, das wichtigste Objekt in einem Bild zu identifizieren, geht die Objekterkennung einen Schritt weiter, indem sie mehrere Objekte im selben Bild findet und beschriftet. In einem Bild einer belebten Straße müsste ein Modell beispielsweise Autos, Busse und Menschen erkennen und feststellen, wo sich jedes einzelne Objekt befindet.

ResNet-50 wird in einigen dieser Modelle als Backbone eingesetzt. Das bedeutet, dass es den ersten Teil der Aufgabe übernimmt: Es analysiert das Bild und extrahiert wichtige Details, die beschreiben, was sich darin befindet und wo es sich befindet. Diese Details werden anschließend an den nächsten Modellteil, den Detektionskopf, weitergegeben. Dieser trifft die endgültigen Entscheidungen darüber, welche Objekte sich im Bild befinden und wo sie liegen.

Beliebte Detektionsmodelle wie Faster R-CNN und DETR verwenden ResNet-50 für diesen Schritt der Merkmalsextraktion. Da das Modell sowohl feine Details als auch die Gesamtanordnung eines Bildes gut erfasst, hilft es diesen Modellen, genaue Vorhersagen zu treffen – selbst in komplexen Szenen.

Transferlernen mit ResNet-50#

Ein weiterer interessanter Aspekt des ResNet-50-Modells ist seine Fähigkeit, Transferlernen zu unterstützen. Das bedeutet, dass das ursprünglich für die Bildklassifizierung mit einem großen Datensatz wie ImageNet trainierte Modell an neue Aufgaben mit deutlich weniger Daten angepasst werden kann.

Anstatt von Grund auf neu zu beginnen, werden die meisten Schichten des Modells wiederverwendet. Nur die abschließende Klassifizierungsschicht wird für die neue Aufgabe ersetzt und erneut trainiert. Das spart Zeit und ist besonders nützlich, wenn nur wenige beschriftete Daten verfügbar sind.

Computer-Vision-Anwendungen von ResNet-50#

Die Architektur von ResNet-50 machte das Modell für eine Vielzahl von Computer-Vision-Anwendungen nützlich. In der frühen Phase des Deep Learning war es besonders wichtig und half dabei, die Technologie der visuellen KI aus der Forschung in die Praxis zu überführen. Durch die Lösung zentraler Herausforderungen ebnete es den Weg für die fortschrittlicheren Modelle, die wir heute in Anwendungen sehen.

Medizinische Bildgebung mit ResNet-50#

ResNet-50 war eines der frühen Modelle, die in der auf Deep Learning basierenden medizinischen Bildgebung eingesetzt wurden. Forscher nutzten es, um Krankheitsmuster in Röntgenbildern, MRTs und anderen diagnostischen Aufnahmen zu erkennen. So hat es beispielsweise dabei geholfen, Tumore zu erkennen und Netzhautbilder von Menschen mit Diabetes zu klassifizieren, um die Diagnose in der Augenheilkunde zu unterstützen.

Obwohl heute fortschrittlichere Modelle in klinischen Werkzeugen eingesetzt werden, spielte ResNet-50 eine wichtige Rolle in der frühen Forschung zur medizinischen KI. Seine einfache Nutzung und sein modularer Aufbau machten es zu einer geeigneten Wahl für die Erstellung von Prototypen diagnostischer Systeme.

Abb. 4. Erkennung von Hirntumoren auf Basis von ResNet-50.

Industrielle Automatisierung mit ResNet-50#

ResNet-50 wurde ebenfalls in industriellen Umgebungen eingesetzt. In der Fertigung wurde es beispielsweise in Forschungs- und Pilotanlagen verwendet, um Oberflächenfehler an Materialien wie Stahl, Beton und lackierten Bauteilen zu erkennen.

Es wurde auch in Systemen zur Erkennung von Lunkern, Rissen oder Ablagerungen getestet, die beim Gießen oder bei der Montage entstehen. ResNet-50 eignet sich gut für diese Aufgaben, weil es subtile Unterschiede in der Oberflächenstruktur erkennen kann – eine wichtige Fähigkeit für die Qualitätsprüfung.

Während fortschrittlichere Modelle wie Ultralytics YOLO11 heute häufig in Produktionssystemen eingesetzt werden, spielt ResNet-50 in der akademischen Forschung und beim Benchmarking weiterhin eine wichtige Rolle, insbesondere bei Aufgaben der Bildklassifizierung.

Abb. 5. Oberflächenprüfung mit ResNet-50.

Vorteile und Einschränkungen von ResNet-50#

Hier siehst du einige Vorteile von ResNet-50:

• Starke Leistung als Basismodell: ResNet-50 bietet über eine große Bandbreite von Aufgaben hinweg eine solide Genauigkeit und ist dadurch sowohl in der Forschung als auch in angewandten Projekten ein verlässlicher Benchmark.
• Gut dokumentiert und umfassend untersucht: Seine Architektur ist gut verstanden und ausführlich dokumentiert, wodurch die Fehlersuche und das Lernen für Entwickler und Forscher erleichtert werden.
• Vielseitig in unterschiedlichen Bereichen: Von der medizinischen Bildgebung bis zur Fertigung wurde ResNet-50 erfolgreich auf eine Vielzahl realer Probleme angewendet und hat damit seine Flexibilität bewiesen.

Werfen wir nun einen kurzen Blick auf die Einschränkungen von ResNet-50:

• Hoher Ressourcenbedarf: ResNet-50 benötigt mehr Speicher und Rechenleistung als kompakte Modelle, wodurch es sich weniger für mobile Geräte oder Echtzeitanwendungen eignet.
• Überanpassung bei kleinen Datensätzen: Aufgrund seiner Tiefe und Komplexität kann ResNet-50 bei begrenzten Daten überangepasst werden, wenn keine geeigneten Regularisierungstechniken eingesetzt werden.
• Feste Eingabegröße: ResNet-50 erwartet in der Regel Bilder mit einer bestimmten Größe, etwa 224×224 Pixel. Daher müssen Bilder häufig skaliert oder zugeschnitten werden, wodurch manchmal wichtige Details verloren gehen können.

Wichtige Erkenntnisse#

ResNet-50 bewies, dass sich sehr tiefe Netzwerke effektiv trainieren lassen und gleichzeitig eine hohe Leistung bei visuellen Aufgaben erzielen können. Seine Architektur bot einen klaren und praxisnahen Rahmen für die Entwicklung tieferer Modelle, die zuverlässig funktionierten.

Nach seiner Veröffentlichung bauten Forscher das Design weiter aus und entwickelten tiefere Varianten wie ResNet-101 und ResNet-152. Insgesamt ist ResNet-50 ein wichtiges Modell, das die heutige Nutzung von Deep Learning in Computer Vision maßgeblich geprägt hat.

Werde Teil unserer wachsenden Community! Besuche unser GitHub-Repository, um mehr über KI zu erfahren. Möchtest du eigene Computer-Vision-Projekte starten? Sieh dir unsere Lizenzierungsoptionen an. Entdecke KI in der Landwirtschaft und Computer Vision im Gesundheitswesen auf unseren Lösungsseiten!