¿Qué es EfficientNet? Una breve descripción

En 2019, los investigadores de Google AI presentaron EfficientNet, un modelo de computer vision de vanguardia creado para reconocer objetos y patrones en imágenes. Se diseñó principalmente para la clasificación de imágenes, que consiste en asignar una imagen a una de varias categorías predefinidas. Sin embargo, hoy en día, EfficientNet también sirve como columna vertebral para tareas más complejas como la detección de objetos, la segmentación y el aprendizaje por transferencia.

Antes de EfficientNet, estos modelos de aprendizaje automático y visión artificial intentaban mejorar la precisión añadiendo más capas o aumentando el tamaño de dichas capas. Las capas son los pasos en 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 precisión.

Estos cambios crearon un compromiso, haciendo que los modelos de IA tradicionales fueran más grandes y lentos, mientras que la precisión adicional era a menudo mínima en comparación con el aumento significativo en la potencia de cómputo requerida.

EfficientNet adoptó un enfoque diferente. Aumentó de forma equilibrada la profundidad (número de capas), la anchura (número de unidades en cada capa) y la resolución de la imagen (el nivel de detalle de las imágenes de entrada). Este método, denominado escalado compuesto, aprovecha de manera fiable toda la potencia de procesamiento disponible. El resultado final es un modelo más pequeño y rápido que puede ofrecer un mejor rendimiento que los modelos anteriores como ResNet o DenseNet.

Today, newer computer vision models like Ultralytics YOLO11 offer greater accuracy, speed, and efficiency. Even so, EfficientNet remains an important milestone that influenced the design of many advanced architectures.

En este artículo, desglosaremos EfficientNet en cinco minutos, cubriendo cómo funciona, qué lo hace único y por qué sigue siendo relevante en la visión artificial. ¡Empecemos!

¿Qué es EfficientNet?#

Antes de que se diseñara EfficientNet, la mayoría de los modelos de reconocimiento de imágenes mejoraban la precisión ajustando sus capas o aumentando el tamaño de la imagen de entrada para capturar más detalle. Aunque estas estrategias mejoraban los resultados, también hacían que los modelos fueran más pesados y exigentes. Esto significaba que necesitaban más memoria y mejor hardware.

En lugar de cambiar capas individuales, EfficientNet escala la profundidad, el ancho y la resolución de la imagen juntos utilizando un método llamado escalado compuesto. Este enfoque permite que el modelo crezca de manera eficiente sin sobrecargar ningún aspecto individual.

La arquitectura de EfficientNet procesa imágenes a través de una serie de bloques, cada uno construido a partir de módulos más pequeños. El número de módulos en cada bloque depende del tamaño del modelo.

Fig 1. Los componentes básicos de EfficientNet. (Fuente)

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

Cómo funciona el escalado compuesto#

El método de escalado compuesto expande la profundidad, el ancho y la resolución de la imagen de un modelo, pero los mantiene en equilibrio. Esto hace posible utilizar la potencia de cómputo de manera eficiente. La serie comienza con un modelo base más pequeño llamado EfficientNet-B0, que sirve como cimiento para todas las demás versiones.

Desde B0, los modelos escalan hacia variantes más grandes llamadas EfficientNet-B1 a EfficientNet-B7. Con cada paso, la red obtiene capas adicionales, aumenta el número de canales (unidades utilizadas para el procesamiento) y maneja imágenes de entrada de mayor resolución. La cantidad de crecimiento en cada paso viene determinada por un parámetro llamado coeficiente compuesto, que garantiza que la profundidad, el ancho 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 la imagen de un modelo. (Fuente)

Arquitectura de EfficientNet#

A continuación, echemos un vistazo a la arquitectura de EfficientNet.

Se basa en MobileNetV2, un modelo de visión artificial ligero optimizado para dispositivos móviles y embebidos. En su núcleo se encuentra el bloque de Convolución de Cuello de Botella Invertido Móvil (MBConv), una capa especial que procesa datos de imagen como una convolución estándar pero con menos cálculos. Este bloque hace que el modelo sea rápido y más eficiente en cuanto a memoria.

Dentro de cada uno de los bloques MBConv hay un módulo de squeeze-and-excitation (SE). Este módulo ajusta la fuerza de los diferentes canales en la red. Aumenta la fuerza de los canales esenciales y reduce la de otros. El módulo ayuda a la red a centrarse en las características más importantes de una imagen, ignorando 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 ayuda a detectar patrones en imágenes mejor que los métodos antiguos.

Además de esto, utiliza DropConnect, donde algunas conexiones dentro de la red se desconectan al azar durante el entrenamiento. Este método de regularización estocástica (una técnica de aleatorización para evitar que el modelo memorice los datos de entrenamiento en lugar de generalizar) reduce el sobreajuste al forzar a la red a aprender representaciones de características más robustas (patrones más fuertes y generales en los datos) que se transfieren mejor a datos no vistos.

Fig 3. Arquitectura de EfficientNet-B0 (Fuente)

Una breve descripción de las variantes del modelo EfficientNet#

Ahora que tenemos una mejor comprensión de cómo funcionan los modelos EfficientNet, hablemos de las diferentes variantes del modelo.

Los modelos EfficientNet escalan de B0 a B7, comenzando con B0 como la base que equilibra velocidad y precisión. Cada versión aumenta la profundidad, el ancho y la resolución de la imagen, mejorando la precisión. Sin embargo, también requieren más potencia computacional, desde B1 y B2 hasta los modelos de alto rendimiento B6 y B7.

Aunque los modelos EfficientNet-B3 y EfficientNet-B4 logran un equilibrio para imágenes más grandes, B5 se elige a menudo para conjuntos de datos complejos que requieren precisión. Más allá de estos modelos, el último modelo, EfficientNet V2, puede mejorar la velocidad de entrenamiento, manejar mejor los conjuntos de datos pequeños y está optimizado para hardware moderno.

Aplicaciones de EfficientNet#

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

Análisis de imágenes médicas#

Las imágenes médicas, como las tomografías computarizadas de los pulmones, a menudo contienen detalles sutiles que son fundamentales para un diagnóstico preciso. Los modelos de IA pueden ayudar a analizar estas imágenes para descubrir patrones que podrían ser difíciles de detectar para los humanos. Una adaptación de EfficientNet para este propósito es MONAI (Medical Open Network for AI) EfficientNet, que está diseñada específicamente para el análisis de imágenes médicas.

Basándose en la arquitectura de EfficientNet, los investigadores también han desarrollado Lung-EffNet, un modelo que clasifica las tomografías computarizadas de pulmón para detectar tumores. Puede clasificar los tumores como benignos, malignos o normales, logrando una precisión informada de más del 99 % en entornos experimentales.

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

Detección de objetos en tiempo real#

La object detection es el proceso de encontrar objetos en una imagen y determinar sus ubicaciones. Es una parte clave de aplicaciones como sistemas de seguridad, coches autónomos y drones.

EfficientNet cobró importancia en este ámbito porque ofrecía una forma muy eficiente de extraer características de las imágenes. Su método de escalado de profundidad, anchura y resolución demostró cómo los modelos podían ser precisos sin ser demasiado pesados o lentos. Por esta razón, muchos sistemas de detección, como EfficientDet, utilizan EfficientNet como su columna vertebral.

Modelos más nuevos, como Ultralytics YOLO11, comparten el mismo objetivo de combinar velocidad con precisión. Esta tendencia hacia modelos eficientes estuvo fuertemente influenciada por ideas de arquitecturas como EfficientNet.

Pros y contras de EfficientNet#

Aquí tienes algunos beneficios de usar EfficientNet en proyectos de visión artificial:

• Alta precisión con menos parámetros: EfficientNet puede ofrecer una precisión similar o mejor que modelos más antiguos como ResNet o DenseNet. Sin embargo, utiliza menos parámetros, lo que hace que sea más rápido de entrenar y más fácil de implementar.
• Familia de modelos escalable: Desde B0 hasta B7, puedes elegir una versión que se ajuste a tus requisitos de hardware y precisión sin cambiar la red base.
• Good for transfer learning: EfficientNet can deliver reliable model performance for transfer learning, which is a process of retraining a pre-trained model for a custom task. It can work as a backbone for a variety of computer vision tasks. It has also shown strong results when fine-tuned. For example, it achieved state-of-the-art accuracy on CIFAR-100, a widely used image classification dataset, with significantly fewer parameters than previous models.

Aunque hay muchos beneficios relacionados con el uso de EfficientNet, aquí hay algunas limitaciones de EfficientNet a tener en cuenta:

• Requiere más memoria: Versiones como EfficientNet-B6 y EfficientNet-B7 requieren mucha memoria de GPU.
• Escalado optimizado 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 sin un ajuste fino. Esto es especialmente cierto para 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 suficientes datos para justificar su profundidad y anchura.
• Más lento en algunos hardware: EfficientNet utiliza capas llamadas MBConv que están diseñadas para la eficiencia en hardware moderno. En GPUs o CPUs más antiguos, estas capas pueden funcionar más lentamente.

Conclusiones clave#

EfficientNet cambió la forma en que crecen los modelos de visión artificial al mantener la profundidad, el ancho y la resolución de la imagen en equilibrio. Sigue siendo un modelo importante y ha influido también en arquitecturas más nuevas. En particular, ocupa un lugar significativo en la historia de la visión artificial.

Join our community and GitHub repository to explore more about AI. Check out our solution pages to read about AI in healthcare and computer vision in automotive. Discover our licensing options and start building with computer vision today!