¿Qué es ResNet-50 y qué relevancia tiene en la visión artificial?

El análisis automatizado de imágenes es cada vez más habitual en aplicaciones como la detección de coches que superan el límite de velocidad o el análisis de imágenes médicas. La tecnología que impulsa estas innovaciones es la visión artificial, o IA visual. Es una rama de la inteligencia artificial (AI) que permite a las máquinas interpretar y comprender imágenes y vídeos, como hacen las personas.

Para crear estas soluciones de visión artificial, los desarrolladores utilizan modelos de IA visual que aprenden a partir de grandes cantidades de datos visuales. A lo largo de los años, los investigadores han desarrollado modelos más recientes y avanzados que ofrecen un rendimiento impresionante en tareas de IA visual, como la clasificación de imágenes (asignar etiquetas a imágenes), la detección de objetos (localizar e identificar objetos en imágenes) y la segmentación de instancias (detectar objetos y delimitar su forma exacta).

Sin embargo, echar la vista atrás y comprender los modelos anteriores puede ayudar a entender cómo funcionan los sistemas de visión artificial actuales. Un ejemplo clave es ResNet-50, un modelo influyente que introdujo la idea de las conexiones de atajo: vías sencillas que ayudan al modelo a aprender más rápido y con mayor precisión.

Esta innovación hizo posible entrenar eficazmente redes neuronales mucho más profundas, lo que mejoró significativamente la clasificación de imágenes e influyó en el diseño de muchos modelos posteriores. En este artículo, exploraremos ResNet-50, su funcionamiento y su relevancia en la evolución de la visión artificial.

¿Qué es ResNet-50?#

ResNet-50 es un modelo de visión artificial basado en un tipo de red neuronal llamada red neuronal convolucional (CNN). Las CNN están diseñadas para ayudar a los ordenadores a comprender la información visual mediante el aprendizaje de patrones en las imágenes, como bordes, colores o formas, y el uso de esos patrones para reconocer y clasificar objetos.

ResNet-50, presentado en 2015 por investigadores de Microsoft Research, se convirtió rápidamente en uno de los modelos más influyentes del campo gracias a su precisión y eficiencia en tareas de reconocimiento de imágenes a gran escala.

Una característica clave de ResNet-50 es el uso de conexiones residuales, también conocidas como conexiones de atajo. Son vías sencillas que permiten al modelo saltarse algunos pasos del proceso de aprendizaje. En otras palabras, en lugar de obligar al modelo a pasar la información por todas y cada una de las capas, estas conexiones le permiten transmitir los datos importantes de forma más directa. Esto hace que el aprendizaje sea más rápido y fiable.

Fig. 1. Representación de las conexiones residuales en la arquitectura ResNet.

Este diseño ayuda a resolver un problema habitual del aprendizaje profundo, conocido como el problema del desvanecimiento del gradiente. En los modelos muy profundos, se puede perder información importante al pasar por muchas capas, lo que dificulta el aprendizaje del modelo.

Las conexiones residuales ayudan a evitar este problema al mantener un flujo claro de información de principio a fin. Por eso el modelo se llama ResNet-50: ResNet significa red residual, y el «50» hace referencia al número de capas que utiliza para procesar una imagen.

Resumen del funcionamiento de ResNet-50#

ResNet-50 tiene una estructura bien organizada que permite al modelo profundizar sin perder información importante. Sigue un patrón sencillo y repetible que mantiene la eficiencia sin renunciar a un alto rendimiento.

Así funciona la arquitectura ResNet-50:

• Extracción de características básicas: El modelo empieza aplicando una operación matemática llamada convolución. Esta consiste en deslizar pequeños filtros (llamados kernels) sobre la imagen para producir mapas de características: nuevas versiones de la imagen que resaltan patrones básicos, como bordes o texturas. Así empieza el modelo a detectar información visual útil.
• Aprendizaje de características complejas: A medida que los datos avanzan por la red, el tamaño de los mapas de características disminuye. Para ello se utilizan técnicas como el pooling o filtros con pasos más grandes (llamados strides). Al mismo tiempo, la red crea más mapas de características, lo que le ayuda a captar patrones cada vez más complejos, como formas, partes de objetos o texturas.
• Compresión y expansión de datos: Cada bloque cuello de botella comprime los datos, los procesa y después los vuelve a expandir. Esto ayuda al modelo a aprender y, a la vez, ahorra memoria.
• Conexiones de atajo: Son vías sencillas que permiten que la información avance saltándose capas, en lugar de pasar por todas ellas. Hacen que el aprendizaje sea más estable y eficiente.
• Generación de una predicción: Al final de la red, se combina toda la información aprendida y se pasa por una función softmax. Esta función genera una distribución de probabilidades entre las clases posibles e indica la confianza del modelo en cada predicción; por ejemplo, un 90 % para gato, un 9 % para perro y un 1 % para coche.

Fig. 2. La arquitectura ResNet-50.

Características clave de ResNet-50#

Aunque ResNet-50 se diseñó originalmente para la clasificación de imágenes, su diseño flexible lo ha hecho útil en muchos ámbitos de la visión artificial. Veamos algunas de las características que hacen destacar a ResNet-50.

Uso de ResNet-50 para la clasificación de imágenes#

ResNet-50 se utiliza principalmente para la clasificación de imágenes, cuyo objetivo es asignar una etiqueta a una imagen. Por ejemplo, a partir de una foto, el modelo puede etiquetarla como perro, gato o avión según el objeto principal que detecte.

Su diseño fiable y su disponibilidad en bibliotecas de aprendizaje profundo ampliamente utilizadas, como PyTorch y TensorFlow, hicieron de ResNet-50 una opción popular en sus inicios para entrenar modelos con grandes conjuntos de datos de imágenes. Uno de los ejemplos más conocidos es ImageNet, una enorme colección de imágenes etiquetadas que se utiliza para evaluar y comparar modelos de visión artificial.

Aunque los modelos más recientes, como Ultralytics YOLO11, lo superan, ResNet-50 sigue utilizándose habitualmente como referencia gracias a su sólido equilibrio entre precisión, velocidad y sencillez.

Fig. 3. Ejemplo del uso de ResNet-50 para clasificar un perro.

Detección de objetos con redes troncales ResNet-50#

Mientras que la clasificación de imágenes consiste en identificar el objeto principal de una imagen, la detección de objetos va un paso más allá al localizar y etiquetar varios objetos en una misma imagen. Por ejemplo, en una imagen de una calle concurrida, puede que un modelo tenga que detectar coches, autobuses y personas, y determinar dónde está cada uno.

ResNet-50 se utiliza como backbone en algunos de estos modelos. Esto significa que se encarga de la primera parte del trabajo: analizar la imagen y extraer detalles importantes que describen qué contiene y dónde se encuentra. A continuación, estos detalles se pasan a la siguiente parte del modelo, llamada cabeza de detección, que toma las decisiones finales sobre qué objetos hay en la imagen y dónde están.

Modelos de detección populares, como Faster R-CNN y DETR, utilizan ResNet-50 para extraer características. Como captura bien tanto los detalles más sutiles como la composición general de una imagen, ayuda a estos modelos a generar predicciones precisas, incluso en escenas complejas.

Aprendizaje por transferencia con ResNet-50#

Otro aspecto interesante del modelo ResNet-50 es su capacidad para admitir el aprendizaje por transferencia. Esto significa que el modelo, entrenado originalmente con un gran conjunto de datos como ImageNet para clasificar imágenes, puede adaptarse a tareas nuevas con muchos menos datos.

En lugar de empezar desde cero, se reutiliza la mayoría de las capas del modelo y solo se sustituye y se vuelve a entrenar la capa de clasificación final para la nueva tarea. Esto ahorra tiempo y resulta especialmente útil cuando hay pocos datos etiquetados.

Aplicaciones de ResNet-50 en visión artificial#

La arquitectura de ResNet-50 la hizo útil en una amplia variedad de aplicaciones de visión artificial. Fue especialmente importante en los primeros años del aprendizaje profundo, pues ayudó a trasladar la tecnología de IA visual de la investigación al uso en el mundo real. Al resolver retos clave, contribuyó a abrir camino a los modelos más avanzados que vemos en las aplicaciones actuales.

Diagnóstico por imagen con ResNet-50#

ResNet-50 fue uno de los primeros modelos utilizados en el diagnóstico por imagen basado en aprendizaje profundo. Los investigadores lo han aprovechado para identificar patrones de enfermedades en radiografías, resonancias magnéticas y otras pruebas de diagnóstico por imagen. Por ejemplo, ha ayudado a detectar tumores y clasificar imágenes de retinas diabéticas para respaldar el diagnóstico en oftalmología.

Aunque ahora se utilizan modelos más avanzados en las herramientas clínicas, ResNet-50 desempeñó un papel clave en las primeras investigaciones sobre IA médica. Su facilidad de uso y su diseño modular lo convirtieron en una opción adecuada para crear prototipos de sistemas de diagnóstico.

Fig. 4. Detección de tumores cerebrales mediante ResNet-50.

Automatización industrial con ResNet-50#

Del mismo modo, ResNet-50 también se ha aplicado en entornos industriales. Por ejemplo, en la fabricación se ha utilizado en investigaciones y sistemas piloto para detectar defectos superficiales en materiales, como acero, hormigón y piezas pintadas.

También se ha probado en sistemas para identificar poros, grietas o depósitos que se forman durante la fundición o el montaje. ResNet-50 se adapta bien a estas tareas porque puede detectar diferencias sutiles en la textura de la superficie, una capacidad importante para la inspección de calidad.

Aunque los sistemas de producción utilizan habitualmente modelos más avanzados, como Ultralytics YOLO11, ResNet-50 sigue desempeñando un papel importante en la investigación académica y la evaluación comparativa, sobre todo en tareas de clasificación de imágenes.

Fig. 5. Inspección de superficies con ResNet-50.

Ventajas y limitaciones de ResNet-50#

Estas son algunas de las ventajas de ResNet-50:

• Rendimiento sólido como referencia: ResNet-50 ofrece una precisión sólida en una amplia variedad de tareas, lo que lo convierte en una referencia fiable tanto para la investigación como para los proyectos aplicados.
• Bien documentada y ampliamente estudiada: Su arquitectura se conoce bien y está exhaustivamente documentada, lo que facilita la resolución de problemas y el aprendizaje a desarrolladores e investigadores.
• Versátil en distintos ámbitos: Desde la obtención de imágenes médicas hasta la fabricación, ResNet-50 se ha aplicado con éxito a diversos problemas del mundo real, demostrando su flexibilidad.

Mientras tanto, aquí tienes un adelanto de las limitaciones de ResNet-50:

• Alto consumo de recursos: ResNet-50 requiere más memoria y capacidad de cálculo que los modelos ligeros, por lo que puede ser menos adecuada para dispositivos móviles o aplicaciones en tiempo real.
• Sobreajuste con conjuntos de datos pequeños: Debido a su profundidad y complejidad, ResNet-50 puede sobreajustarse cuando se entrena con datos limitados y sin técnicas de regularización adecuadas.
• Tamaño de entrada fijo: ResNet-50 suele esperar imágenes de un tamaño específico, como 224×224 píxeles, por lo que a menudo hay que cambiarles el tamaño o recortarlas, lo que a veces puede eliminar detalles importantes.

Conclusiones clave#

ResNet-50 demostró que era posible entrenar eficazmente redes muy profundas y, a la vez, obtener un rendimiento sólido en tareas visuales. Su arquitectura ofreció un marco claro y práctico para crear modelos más profundos que funcionaran de forma fiable.

Tras su lanzamiento, los investigadores ampliaron el diseño y crearon versiones más profundas, como ResNet-101 y ResNet-152. En conjunto, ResNet-50 es un modelo clave que contribuyó a definir el uso actual del aprendizaje profundo en visión artificial.

¡Únete a nuestra creciente comunidad! Explora nuestro repositorio de GitHub para aprender más sobre IA. ¿Preparado para iniciar tus propios proyectos de visión artificial? Echa un vistazo a nuestras opciones de licencia. Descubre la IA en la agricultura y la IA visual en la sanidad en nuestras páginas de soluciones.