¿Qué es EfficientNet? Breve descripción general

En 2019, investigadores de Google AI presentaron EfficientNet, un modelo de visión artificial de vanguardia diseñado para reconocer objetos y patrones en imágenes. Se creó principalmente para la clasificación de imágenes, que consiste en asignar una imagen a una de varias categorías predefinidas. Sin embargo, hoy EfficientNet también sirve como backbone para tareas más complejas, como la detección de objetos, la segmentación y el aprendizaje por transferencia.

Antes de EfficientNet, los modelos de aprendizaje automático y de IA de visión intentaban mejorar la exactitud añadiendo más capas o aumentando el tamaño de estas. Las capas son los pasos de un modelo de red neuronal —un tipo de modelo de aprendizaje profundo inspirado en el cerebro humano— que procesan datos para aprender patrones y mejorar la exactitud.

Estos cambios generaron una compensación: los modelos de IA tradicionales se hicieron más grandes y lentos, mientras que la mejora de la exactitud solía ser mínima en comparación con el gran aumento de la potencia de cálculo necesaria.

EfficientNet adoptó un enfoque diferente. Aumentó de forma equilibrada la profundidad (el número de capas), la anchura (el número de unidades de cada capa) y la resolución de imagen (el nivel de detalle de las imágenes de entrada). Este método se llama escalado compuesto. El resultado es un modelo más pequeño y rápido que puede rendir mejor que modelos anteriores como ResNet o DenseNet.

Hoy en día, modelos de visión artificial más recientes como Ultralytics YOLO11 y su sucesor, Ultralytics YOLO26, ofrecen mayor precisión, velocidad y eficiencia. Aun así, EfficientNet sigue siendo un hito importante que influyó en el diseño de muchas arquitecturas avanzadas.

En este artículo, analizaremos EfficientNet en cinco minutos: veremos cómo funciona, qué lo hace único y por qué sigue siendo importante en la visión artificial.

¿Qué es EfficientNet?#

Antes de diseñar EfficientNet, la mayoría de los modelos de reconocimiento de imágenes mejoraban la exactitud modificando sus capas o aumentando el tamaño de las imágenes de entrada para captar más detalles. Aunque estas estrategias mejoraban los resultados, también hacían que los modelos fueran más pesados y exigentes. Esto implicaba que necesitaban más memoria y mejor hardware.

En lugar de modificar capas individuales, EfficientNet escala conjuntamente la profundidad, la anchura y la resolución de imagen mediante un método llamado escalado compuesto. Este enfoque permite que el modelo crezca de forma eficiente sin sobrecargar ningún aspecto concreto.

La arquitectura EfficientNet procesa las imágenes mediante una serie de bloques, cada uno formado por módulos más pequeños. El número de módulos de cada bloque depende del tamaño del modelo.

Fig. 1. Los bloques de construcción de EfficientNet. (Fuente)

Las versiones más pequeñas utilizan menos módulos, mientras que las más grandes repiten los módulos con mayor frecuencia. Este diseño flexible permite a EfficientNet ofrecer una gran exactitud y eficiencia en una amplia variedad de aplicaciones, desde dispositivos móviles hasta sistemas a gran escala.

Cómo funciona el escalado compuesto#

El método de escalado compuesto amplía la profundidad, la anchura y la resolución de imagen de un modelo, pero las mantiene equilibradas. Esto permite aprovechar eficientemente la potencia de cálculo. La serie comienza con un modelo base más pequeño llamado EfficientNet-B0, que sirve de fundamento para todas las demás versiones.

A partir de B0, los modelos se amplían en variantes más grandes, denominadas EfficientNet-B1 a EfficientNet-B7. En cada paso, la red incorpora más capas, aumenta el número de canales (unidades utilizadas para el procesamiento) y admite imágenes de entrada de mayor resolución. El grado de crecimiento en cada paso viene determinado por un parámetro llamado coeficiente compuesto, que garantiza que la profundidad, la anchura y la resolución aumenten en proporciones fijas, en lugar de hacerlo de forma independiente.

Fig. 2. El escalado compuesto aumenta la anchura, la profundidad y la resolución de imagen de un modelo. (Fuente)

Arquitectura de EfficientNet#

A continuación, veamos la arquitectura de EfficientNet.

Se basa en MobileNetV2, un modelo ligero de visión artificial optimizado para dispositivos móviles e integrados. En su núcleo se encuentra el bloque de convolución de cuello de botella invertido móvil (MBConv), una capa especial que procesa los datos de imagen como una convolución estándar, pero con menos cálculos. Este bloque hace que el modelo sea rápido y consuma menos memoria.

Cada bloque MBConv contiene un módulo de compresión y excitación (SE). Este módulo ajusta la intensidad de los distintos canales de la red. Refuerza los canales esenciales y reduce la intensidad de los demás. Así, la red puede centrarse en las características más importantes de una imagen y pasar por alto el resto. El modelo EfficientNet también utiliza una función de activación Swish (una función matemática que ayuda a la red a aprender patrones), que le permite detectar patrones en imágenes mejor que los métodos anteriores.

Además, utiliza DropConnect, que desactiva aleatoriamente algunas conexiones de la red durante el entrenamiento. Este método de regularización estocástica (una técnica de aleatorización que evita que el modelo memorice los datos de entrenamiento en lugar de generalizar) reduce el sobreajuste al obligar a la red a aprender representaciones de características más robustas (patrones más sólidos y generales en los datos), que se transfieren mejor a datos no vistos.

Fig. 3. Arquitectura de EfficientNet-B0 (Fuente)

Resumen de las variantes del modelo EfficientNet#

Ahora que entendemos mejor cómo funcionan los modelos EfficientNet, veamos sus distintas variantes.

Los modelos EfficientNet van de B0 a B7, con B0 como modelo base que equilibra velocidad y exactitud. Cada versión aumenta la profundidad, la anchura y la resolución de imagen, lo que mejora la exactitud. Sin embargo, también exige más potencia de cálculo, desde las versiones B1 y B2 hasta las de alto rendimiento B6 y B7.

Los modelos EfficientNet-B3 y EfficientNet-B4 ofrecen un equilibrio adecuado para imágenes de mayor tamaño, mientras que B5 suele elegirse para conjuntos de datos complejos que requieren precisión. Su sucesor, EfficientNetV2, entrena más rápido y utiliza los parámetros de forma más eficiente.

Aplicaciones de EfficientNet#

EfficientNet puede ofrecer resultados precisos con menos memoria y potencia de procesamiento que muchos otros modelos. Esto lo hace útil en numerosos campos, desde la investigación científica hasta los productos que la gente utiliza a diario.

Análisis de imágenes médicas#

Las imágenes médicas, como las tomografías computarizadas de los pulmones, suelen contener detalles sutiles que son fundamentales para realizar un diagnóstico preciso. Los modelos de IA pueden ayudar a analizar estas imágenes y descubrir patrones que podrían resultar difíciles de detectar para las personas. Una adaptación de EfficientNet para este fin es MONAI (Red Médica Abierta para IA) EfficientNet, diseñada específicamente para el análisis de imágenes médicas.

A partir de la arquitectura EfficientNet, los investigadores también han desarrollado Lung-EffNet, un modelo que clasifica tomografías computarizadas de pulmones para detectar tumores. Puede clasificar las imágenes como benignas, malignas o normales y, en entornos experimentales, ha alcanzado una precisión comunicada superior al 99 %.

Fig. 4. Clasificación de imágenes de tumores con Lung-EffNet. (Fuente)

Detección de objetos en tiempo real#

La detección de objetos consiste en encontrar objetos en una imagen y determinar su ubicación. Es una parte fundamental de aplicaciones como los sistemas de seguridad, los coches autónomos y los drones.

EfficientNet adquirió importancia en este campo porque ofrecía una forma muy eficiente de extraer características de las imágenes. Su método para escalar la profundidad, la anchura y la resolución demostró que los modelos podían ser precisos sin resultar demasiado pesados o lentos. Por eso, muchos sistemas de detección, como EfficientDet, utilizan EfficientNet como backbone.

Los modelos más recientes, como Ultralytics YOLO11, comparten el mismo objetivo: combinar velocidad y exactitud. Esta tendencia hacia modelos eficientes estuvo muy influida por las ideas de arquitecturas como EfficientNet.

Ventajas e inconvenientes de EfficientNet#

Estas son algunas ventajas de utilizar EfficientNet en proyectos de visión artificial:

• Gran exactitud con menos parámetros: EfficientNet puede ofrecer una exactitud similar o superior a la de modelos anteriores como ResNet o DenseNet. Sin embargo, utiliza menos parámetros, por lo que se entrena más rápido y es más fácil de implementar.
• Familia de modelos escalable: desde B0 hasta B7, puedes elegir una versión que se ajuste a tu hardware y a tus requisitos de precisión sin cambiar la red base.
• Adecuado para el aprendizaje por transferencia: EfficientNet puede ofrecer un rendimiento fiable en el aprendizaje por transferencia, un proceso que consiste en volver a entrenar un modelo preentrenado para una tarea personalizada. Puede servir como backbone para diversas tareas de visión artificial. También ha ofrecido buenos resultados al ajustarlo. Por ejemplo, alcanzó una precisión de vanguardia en CIFAR-100, un conjunto de datos muy utilizado para la clasificación de imágenes, con muchos menos parámetros que los modelos anteriores.

Aunque EfficientNet ofrece muchas ventajas, conviene tener presentes algunas de sus limitaciones:

• Requiere más memoria: las versiones como EfficientNet-B6 y EfficientNet-B7 necesitan mucha memoria de GPU.
• Escalado ajustado para ImageNet: los ajustes de escalado se diseñaron para el conjunto de datos ImageNet, por lo que el rendimiento puede disminuir en conjuntos de datos muy diferentes si no se realiza un ajuste fino. Esto es especialmente cierto en el caso de conjuntos de datos pequeños, ya que la arquitectura y el escalado de EfficientNet se diseñaron para un conjunto de datos grande y diverso como ImageNet, que proporciona datos suficientes para justificar su profundidad y anchura.
• Más lento en cierto hardware: EfficientNet utiliza capas llamadas MBConv, diseñadas para ofrecer eficiencia en el hardware moderno. En GPU o CPU más antiguas, estas capas pueden funcionar más despacio.

Conclusiones clave#

EfficientNet cambió la forma de ampliar los modelos de visión artificial al mantener equilibradas la profundidad, la anchura y la resolución de imagen. Sigue siendo un modelo importante y también ha influido en arquitecturas más recientes. En particular, ocupa un lugar destacado en la historia de la visión artificial.

Únete a nuestra comunidad y visita nuestro repositorio de GitHub para descubrir más sobre la IA. Echa un vistazo a nuestras páginas de soluciones para leer sobre la IA en la atención sanitaria y la visión artificial en la automoción. Descubre nuestras licencias y empieza hoy mismo a desarrollar con visión artificial.