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

Die automatisierte Bildanalyse wird zunehmend in Anwendungen eingesetzt, etwa zur Erkennung von Autos, die zu schnell fahren, oder zur Analyse medizinischer Bilder. Hinter diesen Innovationen steckt die Computer Vision, auch Vision AI genannt. Sie ist ein Teilgebiet der künstlichen Intelligenz (AI), das es Maschinen ermöglicht, Bilder und Videos ähnlich wie Menschen zu interpretieren und zu verstehen.

Für die Entwicklung solcher Computer-Vision-Lösungen nutzen Entwickler Vision-AI-Modelle, die aus großen Mengen visueller Daten lernen können. Im Laufe der Jahre haben Forscher neuere und fortschrittlichere Modelle mit beeindruckender Leistung bei Vision-AI-Aufgaben entwickelt, etwa bei der Bildklassifizierung (Bildern Bezeichnungen zuweisen), der Objekterkennung (Objekte in Bildern lokalisieren und identifizieren) und der Instanzsegmentierung (Objekte erkennen und ihre exakten Umrisse bestimmen).

Ein Blick auf frühere Modelle und deren Funktionsweise kann jedoch helfen, heutige Computer-Vision-Systeme besser zu verstehen. Ein wichtiges Beispiel ist ResNet-50, ein einflussreiches Modell, das Kurzschlussverbindungen einführte – einfache Pfade, die dem Modell helfen, schneller und präziser zu lernen.

Diese Architektur ermöglichte das effektive Training deutlich tieferer neuronaler Netze. Das führte zu erheblichen Verbesserungen bei der Bildklassifizierung und prägte den Aufbau vieler nachfolgender Modelle. In diesem Artikel untersuchen wir ResNet-50, seine Funktionsweise und seine Bedeutung für die Entwicklung der Computer Vision.

Was ist ResNet-50?#

ResNet-50 ist ein Computer-Vision-Modell, das auf einem neuronalen Netztyp namens Faltungsneuronales Netzwerk (CNN) basiert. CNNs helfen Computern, visuelle Informationen zu verstehen. Dazu lernen sie Muster in Bildern – etwa Kanten, Farben oder Formen – und nutzen diese Muster, 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 der Bilderkennung im großen Maßstab schnell zu einem der einflussreichsten Modelle auf diesem Gebiet.

Ein wesentliches Merkmal von ResNet-50 sind Residualverbindungen, auch Kurzschlussverbindungen genannt. Diese einfachen Pfade ermöglichen es dem Modell, einige Schritte des Lernprozesses zu überspringen. Anders gesagt: Statt Informationen durch jede einzelne Schicht leiten zu müssen, kann das Modell dank dieser Kurzschlüsse wichtige Details direkter weitergeben. Das macht das Lernen schneller und zuverlässiger.

Abb. 1. Residualverbindungen in der ResNet-Architektur.

Diese Architektur hilft bei der Lösung eines häufigen Problems im Deep Learning, des Problems verschwindender Gradienten. In sehr tiefen Modellen können wichtige Informationen auf dem Weg durch zahlreiche Schichten verloren gehen, wodurch das Lernen für das Modell erschwert wird.

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

Überblick über die Funktionsweise von ResNet-50#

ResNet-50 hat eine klar gegliederte Struktur, die dem Modell ermöglicht, tief zu werden, ohne wichtige Informationen zu verlieren. Es folgt einem einfachen, wiederholbaren Muster, das für Effizienz sorgt und zugleich eine starke Leistung ermöglicht.

So funktioniert die ResNet-50-Architektur im Detail:

• Grundlegende Merkmalsextraktion: Zu Beginn führt das Modell eine mathematische Operation namens Faltung aus. 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.
• Komplexe Merkmale lernen: Während die Daten das Netzwerk durchlaufen, werden die Merkmalskarten kleiner. Dies geschieht durch Verfahren wie Pooling oder durch Filter mit größeren Schrittweiten (sogenannten Strides). Gleichzeitig erzeugt das Netzwerk mehr Merkmalskarten, wodurch es zunehmend komplexere Muster erfassen kann, etwa Formen, Objektteile oder Texturen.
• Daten komprimieren und erweitern: Jeder Engpassblock komprimiert die Daten, verarbeitet sie und erweitert sie anschließend wieder. Das hilft dem Modell beim Lernen und spart zugleich Speicher.
• Kurzschlussverbindungen: Diese einfachen Pfade ermöglichen es Informationen, Schichten zu überspringen, statt jede einzelne zu durchlaufen. Dadurch wird das Lernen stabiler und effizienter.
• Eine Vorhersage treffen: Am Ende des Netzwerks werden alle gelernten Informationen kombiniert und durch eine Softmax-Funktion geleitet. Das Ergebnis ist eine Wahrscheinlichkeitsverteilung über mögliche Klassen, die die Zuverlässigkeit 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#

ResNet-50 wurde ursprünglich zwar für die Bildklassifizierung entwickelt, doch dank seines flexiblen Aufbaus ist es in vielen Bereichen der Computer Vision nützlich. Sehen wir uns einige Merkmale an, die ResNet-50 besonders machen.

ResNet-50 für die Bildklassifizierung nutzen#

ResNet-50 wird hauptsächlich für die Bildklassifizierung eingesetzt, bei der einem Bild ein einziges Label zugewiesen wird. Anhand eines Fotos könnte das Modell beispielsweise den Hauptgegenstand als Hund, Katze oder Flugzeug klassifizieren.

Seine zuverlässige Architektur und die 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 umfangreiche Sammlung beschrifteter Bilder zur Bewertung und zum Vergleich von Computer-Vision-Modellen.

Obwohl neuere Modelle wie Ultralytics YOLO11 leistungsfähiger sind, wird ResNet-50 dank seiner ausgewogenen Kombination aus Genauigkeit, Geschwindigkeit und Einfachheit weiterhin häufig als Benchmark verwendet.

Abb. 3. Beispiel für die Klassifizierung eines Hundes mit ResNet-50.

Objekterkennung mit ResNet-50 als Backbone#

Bei der Bildklassifizierung wird das Hauptobjekt in einem Bild identifiziert. Die Objekterkennung geht einen Schritt weiter und findet sowie klassifiziert mehrere Objekte im selben Bild. In einem Bild einer belebten Straße müsste ein Modell zum Beispiel Autos, Busse und Menschen erkennen und bestimmen, wo sich jedes Objekt befindet.

ResNet-50 dient in einigen dieser Modelle als Backbone. Das bedeutet, dass es den ersten Teil der Aufgabe übernimmt: Es analysiert das Bild und extrahiert wichtige Details dazu, was darauf zu sehen ist und wo es sich befindet. Diese Details werden anschließend an den nächsten Teil des Modells weitergegeben, den Erkennungskopf. Dieser entscheidet schließlich, welche Objekte sich im Bild befinden und wo sie liegen.

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

Transferlernen mit ResNet-50#

Ein weiterer interessanter Aspekt des ResNet-50-Modells ist seine Eignung für Transferlernen. Das bedeutet: Ein Modell, das ursprünglich für die Bildklassifizierung mit einem großen Datensatz wie ImageNet trainiert wurde, lässt sich mit deutlich weniger Daten an neue Aufgaben anpassen.

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

Anwendungen von ResNet-50 in der Computer Vision#

Dank seiner Architektur eignet sich ResNet-50 für eine Vielzahl von Computer-Vision-Anwendungen. Besonders in den frühen Tagen des Deep Learning war das Modell wichtig: Es trug dazu bei, Vision-AI-Technologie aus der Forschung in die Praxis zu bringen. 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 gehörte zu den frühen Modellen, die in der medizinischen Bildgebung auf Basis von Deep Learning eingesetzt wurden. Forscher nutzten es, um Krankheitsmuster in Röntgenbildern, MRT-Aufnahmen und anderen diagnostischen Scans zu erkennen. So half es beispielsweise dabei, Tumoren zu erkennen und Netzhautbilder von Menschen mit Diabetes zu klassifizieren, um die Diagnose in der Augenheilkunde zu unterstützen.

In klinischen Anwendungen werden inzwischen fortschrittlichere Modelle eingesetzt, doch ResNet-50 spielte eine wichtige Rolle in der frühen medizinischen KI-Forschung. Seine einfache Handhabung und sein modularer Aufbau machten es zu einer geeigneten Wahl für Prototypen diagnostischer Systeme.

Abb. 4. Erkennung eines Hirntumors mit ResNet-50.

Industrielle Automatisierung mit ResNet-50#

ResNet-50 wurde auch in der Industrie eingesetzt. In der Fertigung kam es beispielsweise in Forschungs- und Pilotsystemen zum Einsatz, um Oberflächenfehler an Materialien zu erkennen, etwa an Stahl, Beton und lackierten Bauteilen.

Das Modell wurde außerdem in Versuchsaufbauten getestet, um Lunker, Risse oder Ablagerungen zu erkennen, die beim Gießen oder bei der Montage entstehen. ResNet-50 eignet sich gut für diese Aufgaben, weil es feine Unterschiede in der Oberflächenstruktur erkennen kann – eine wichtige Fähigkeit für die Qualitätsprüfung.

Obwohl fortschrittlichere Modelle wie Ultralytics YOLO11 inzwischen 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 sind einige Vorteile von ResNet-50:

• Starke Grundleistung: ResNet-50 bietet bei einer Vielzahl von Aufgaben eine solide Genauigkeit und ist damit ein verlässlicher Vergleichsmaßstab für Forschungs- und Praxisprojekte.
• Gut dokumentiert und umfassend erforscht: Die Architektur ist gut verstanden und ausführlich dokumentiert, wodurch die Fehlersuche und das Lernen für Entwickler und Forschende erleichtert werden.
• Vielseitig in verschiedenen Bereichen einsetzbar: Von der medizinischen Bildgebung bis zur Fertigung wurde ResNet-50 erfolgreich auf eine Vielzahl realer Probleme angewendet und hat dabei seine Flexibilität unter Beweis gestellt.

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

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

Die wichtigsten Erkenntnisse#

ResNet-50 hat gezeigt, dass sich sehr tiefe Netzwerke effektiv trainieren lassen und dennoch eine starke Leistung bei visuellen Aufgaben erzielen. Seine Architektur bot einen klaren und praxisnahen Rahmen für den Aufbau tieferer Modelle, die zuverlässig funktionierten.

Nach der Veröffentlichung bauten Forschende auf diesem Entwurf auf und entwickelten tiefere Varianten wie ResNet-101 und ResNet-152. Insgesamt ist ResNet-50 ein wichtiges Modell, das dazu beigetragen hat, die heutige Nutzung von Deep Learning in der Computer Vision zu prägen.

Werde Teil unserer wachsenden Community! In unserem GitHub-Repository erfährst du mehr über KI. Möchtest du eigene Computer-Vision-Projekte starten? Sieh dir unsere Lizenzoptionen an. Entdecke KI in der Landwirtschaft und Vision-KI im Gesundheitswesen auf unseren Lösungsseiten!