Qu’est-ce qu’EfficientNet ? Présentation rapide

En 2019, des chercheurs de Google AI ont présenté EfficientNet, un modèle de vision par ordinateur de pointe conçu pour reconnaître les objets et les motifs dans les images. Il a principalement été conçu pour la classification d’images, qui consiste à attribuer une image à l’une de plusieurs catégories prédéfinies. Aujourd’hui, EfficientNet sert également de backbone pour des tâches plus complexes comme la détection d’objets, la segmentation et l’apprentissage par transfert.

Avant EfficientNet, les modèles de machine learning et d’IA de vision cherchaient à améliorer l’exactitude en ajoutant davantage de couches ou en augmentant leur taille. Les couches sont les étapes d’un réseau neuronal (un type de modèle d’apprentissage profond inspiré du cerveau humain) qui traitent les données pour apprendre des motifs et améliorer l’exactitude.

Ces changements impliquaient un compromis : les modèles d’IA traditionnels devenaient plus volumineux et plus lents, tandis que le gain d’exactitude était souvent minime par rapport à l’augmentation importante de la puissance de calcul nécessaire.

EfficientNet a adopté une approche différente. Il a augmenté simultanément et de manière équilibrée la profondeur (le nombre de couches), la largeur (le nombre d’unités dans chaque couche) et la résolution des images (le niveau de détail des images d’entrée). Cette méthode s’appelle le scaling composé. Le résultat : un modèle plus petit et plus rapide, capable de surpasser des modèles plus anciens comme ResNet ou DenseNet.

Aujourd’hui, des modèles de vision par ordinateur plus récents comme Ultralytics YOLO11 et son successeur, Ultralytics YOLO26, offrent une meilleure précision, une plus grande rapidité et une efficacité accrue. Malgré cela, EfficientNet reste une étape importante qui a influencé la conception de nombreuses architectures avancées.

Dans cet article, nous allons vous présenter EfficientNet en cinq minutes : son fonctionnement, ses particularités et son importance persistante en vision par ordinateur.

Qu’est-ce qu’EfficientNet ?#

Avant la conception d’EfficientNet, la plupart des modèles de reconnaissance d’images amélioraient leur exactitude en modifiant leurs couches ou en augmentant la taille des images d’entrée pour en capturer davantage de détails. Ces stratégies amélioraient les résultats, mais rendaient aussi les modèles plus lourds et plus exigeants. Ils avaient donc besoin de davantage de mémoire et d’un meilleur matériel.

Au lieu de modifier les couches une par une, EfficientNet ajuste ensemble la profondeur, la largeur et la résolution des images à l’aide d’une méthode appelée mise à l’échelle composée. Cette approche permet au modèle de grandir efficacement sans surcharger un seul de ces aspects.

L’architecture EfficientNet traite les images à travers une série de blocs, chacun composé de modules plus petits. Le nombre de modules dans chaque bloc dépend de la taille du modèle.

Fig. 1. Les blocs de construction d’EfficientNet. (Source)

Les versions plus petites utilisent moins de modules, tandis que les versions plus grandes répètent les modules plus souvent. Cette conception flexible permet à EfficientNet d’offrir une grande exactitude et une bonne efficacité dans un large éventail d’applications, des appareils mobiles aux systèmes à grande échelle.

Fonctionnement de la mise à l’échelle composée#

La méthode de mise à l’échelle composée augmente la profondeur, la largeur et la résolution des images d’un modèle tout en maintenant leur équilibre. Cela permet d’exploiter efficacement la puissance de calcul. La série commence par un modèle de base plus petit, EfficientNet-B0, qui sert de fondation à toutes les autres versions.

À partir de B0, les modèles évoluent vers des variantes plus grandes, nommées EfficientNet-B1 à EfficientNet-B7. À chaque étape, le réseau gagne des couches, augmente le nombre de canaux (unités utilisées pour le traitement) et traite des images d’entrée de plus haute résolution. L’ampleur de cette croissance à chaque étape est déterminée par un paramètre appelé coefficient composé, qui garantit que la profondeur, la largeur et la résolution augmentent selon des proportions fixes plutôt qu’indépendamment.

Fig. 2. La mise à l’échelle composée augmente la largeur, la profondeur et la résolution des images d’un modèle. (Source)

Architecture EfficientNet#

Voyons maintenant l’architecture d’EfficientNet.

Elle s’appuie sur MobileNetV2, un modèle léger de vision par ordinateur optimisé pour les appareils mobiles et embarqués. En son cœur se trouve le bloc MBConv (convolution à goulot d’étranglement inversé mobile), une couche spéciale qui traite les données d’image comme une convolution standard, mais avec moins de calculs. Ce bloc rend le modèle à la fois rapide et plus économe en mémoire.

Chacun des blocs MBConv contient un module d’excitation et de compression (SE). Ce module ajuste l’intensité des différents canaux du réseau. Il renforce les canaux essentiels et atténue les autres. Le module aide le réseau à se concentrer sur les caractéristiques les plus importantes d’une image et à ignorer le reste. Le modèle EfficientNet utilise également une fonction d’activation Swish (une fonction mathématique qui aide le réseau à apprendre des motifs), ce qui lui permet de mieux repérer les motifs dans les images que les méthodes plus anciennes.

En outre, il utilise DropConnect, qui désactive aléatoirement certaines connexions du réseau pendant l’entraînement. Cette méthode de régularisation stochastique (une technique de randomisation destinée à empêcher le modèle de mémoriser les données d’entraînement au lieu de généraliser) réduit le surapprentissage en obligeant le réseau à apprendre des représentations de caractéristiques plus robustes (des motifs plus solides et plus généraux dans les données), qui se transfèrent mieux aux données inédites.

Fig. 3. Architecture d’EfficientNet-B0 (Source)

Présentation des variantes du modèle EfficientNet#

Maintenant que nous comprenons mieux le fonctionnement des modèles EfficientNet, parlons de leurs différentes variantes.

Les modèles EfficientNet vont de B0 à B7, B0 étant le modèle de base qui équilibre vitesse et exactitude. Chaque version augmente la profondeur, la largeur et la résolution des images, ce qui améliore l’exactitude. Cependant, elles nécessitent aussi davantage de puissance de calcul, de B1 et B2 jusqu’aux modèles performants B6 et B7.

Les modèles EfficientNet-B3 et EfficientNet-B4 offrent un bon équilibre pour les images plus grandes, tandis que B5 est souvent choisi pour les jeux de données complexes qui exigent de la précision. Leur successeur, EfficientNetV2, s’entraîne plus rapidement et utilise les paramètres plus efficacement.

Applications d’EfficientNet#

EfficientNet peut produire des résultats exacts tout en utilisant moins de mémoire et de puissance de traitement que de nombreux autres modèles. Il est donc utile dans de nombreux domaines, de la recherche scientifique aux produits utilisés au quotidien.

Analyse d’images médicales#

Les images médicales, comme les tomodensitométries des poumons, contiennent souvent des détails subtils essentiels à un diagnostic exact. Les modèles d’IA peuvent aider à analyser ces images pour révéler des motifs difficiles à détecter pour les humains. MONAI (réseau médical ouvert pour l’IA) EfficientNet est une adaptation d’EfficientNet conçue à cette fin, notamment pour l’analyse d’images médicales.

En s’appuyant sur l’architecture d’EfficientNet, des chercheurs ont également développé Lung-EffNet, un modèle qui classe les scanners pulmonaires pour détecter les tumeurs. Il peut classer les scanners comme bénins, malins ou normaux et a atteint une précision rapportée de plus de 99 % dans des conditions expérimentales.

Fig. 4. Classification d’images de tumeurs avec Lung-EffNet. (Source)

Détection d’objets en temps réel#

La détection d’objets consiste à repérer des objets dans une image et à déterminer leur emplacement. C’est un élément clé d’applications comme les systèmes de sécurité, les voitures autonomes et les drones.

EfficientNet a pris de l’importance dans ce domaine parce qu’il offrait une méthode très efficace d’extraction des caractéristiques des images. Sa méthode de mise à l’échelle de la profondeur, de la largeur et de la résolution a montré comment les modèles pouvaient être exacts sans être trop lourds ou lents. C’est pourquoi de nombreux systèmes de détection, comme EfficientDet, utilisent EfficientNet comme backbone.

Des modèles plus récents, comme Ultralytics YOLO11, visent eux aussi à associer vitesse et exactitude. Cette tendance aux modèles efficaces a été fortement influencée par des idées issues d’architectures comme EfficientNet.

Avantages et inconvénients d’EfficientNet#

Voici quelques avantages d’EfficientNet pour les projets de vision par ordinateur :

• Grande exactitude avec moins de paramètres : EfficientNet peut offrir une exactitude comparable ou supérieure à celle de modèles plus anciens comme ResNet ou DenseNet. Il utilise toutefois moins de paramètres, ce qui accélère l’entraînement et facilite le déploiement.
• Famille de modèles évolutive : de B0 à B7, tu peux choisir une version adaptée à ton matériel et à tes exigences de précision sans modifier le réseau de base.
• Adapté à l’apprentissage par transfert : EfficientNet peut offrir des performances fiables pour l’apprentissage par transfert, qui consiste à réentraîner un modèle préentraîné pour une tâche personnalisée. Il peut servir de backbone pour diverses tâches de vision par ordinateur. Il a également donné de très bons résultats après réglage fin. Par exemple, il a atteint une précision de pointe sur CIFAR-100, un jeu de données largement utilisé pour la classification d’images, avec beaucoup moins de paramètres que les modèles précédents.

L’utilisation d’EfficientNet présente de nombreux avantages, mais voici certaines de ses limites à garder à l’esprit :

• Nécessite davantage de mémoire : les versions comme EfficientNet-B6 et EfficientNet-B7 nécessitent beaucoup de mémoire GPU.
• Mise à l’échelle optimisée pour ImageNet : les paramètres de mise à l’échelle ont été conçus pour le jeu de données ImageNet, et les performances peuvent donc diminuer sur des jeux de données très différents sans ajustement fin. C’est particulièrement vrai pour les petits jeux de données, car l’architecture et la mise à l’échelle d’EfficientNet ont été conçues pour un jeu de données vaste et diversifié comme ImageNet, qui fournit suffisamment de données pour justifier sa profondeur et sa largeur.
• Plus lent sur certains matériels : EfficientNet utilise des couches appelées MBConv, conçues pour être efficaces sur le matériel moderne. Sur des GPU ou des CPU plus anciens, ces couches peuvent s’exécuter plus lentement.

Points clés à retenir#

EfficientNet a changé la façon dont les modèles de vision par ordinateur évoluent, en maintenant l’équilibre entre profondeur, largeur et résolution des images. Il reste un modèle important et a également influencé des architectures plus récentes. Il occupe notamment une place significative dans l’histoire de la vision par ordinateur.

Rejoins notre communauté et consulte notre dépôt GitHub pour en savoir plus sur l’IA. Découvre nos pages consacrées aux solutions pour en apprendre davantage sur l’IA dans les soins de santé et la vision par ordinateur dans l’automobile. Découvre nos licences et commence dès aujourd’hui à créer avec la vision par ordinateur !