Cos'è ResNet-50 e qual è la sua rilevanza nella computer vision?

L'analisi automatizzata delle immagini sta diventando sempre più comune in applicazioni come il rilevamento di auto in eccesso di velocità o l'analisi di immagini mediche. La tecnologia alla base di queste innovazioni è la computer vision o vision AI. Si tratta di un ramo dell'intelligenza artificiale (AI) che consente alle macchine di interpretare e comprendere immagini e video, proprio come fanno gli esseri umani.

Per costruire tali soluzioni di computer vision, gli sviluppatori si affidano a modelli di vision AI in grado di apprendere da grandi quantità di dati visivi. Nel corso degli anni, i ricercatori hanno sviluppato modelli sempre più nuovi e avanzati con prestazioni impressionanti in attività di vision AI come la classificazione delle immagini (assegnazione di etichette alle immagini), il rilevamento di oggetti (localizzazione e identificazione di oggetti all'interno delle immagini) e la segmentazione delle istanze (rilevamento di oggetti e delimitazione delle loro forme esatte).

Tuttavia, guardare indietro e comprendere i modelli precedenti può aiutare a dare un senso al funzionamento degli odierni sistemi di computer vision. Ad esempio, un caso chiave è ResNet-50, un modello influente che ha introdotto l'idea delle shortcut connections: percorsi semplici che aiutano il modello ad apprendere più velocemente e con maggiore precisione.

Questa innovazione ha reso possibile addestrare reti neurali molto più profonde in modo efficace, portando a miglioramenti significativi nella classificazione delle immagini e definendo il design di molti modelli successivi. In questo articolo, esploreremo ResNet-50, come funziona e la sua rilevanza nell'evoluzione della computer vision. Cominciamo!

Link to this sectionCos'è ResNet-50?#

ResNet-50 è un modello di computer vision basato su un tipo di rete neurale chiamata Convolutional Neural Network (CNN). Le CNN sono progettate per aiutare i computer a comprendere le informazioni visive apprendendo modelli nelle immagini, come bordi, colori o forme, e usando tali modelli per riconoscere e classificare gli oggetti.

Introdotto nel 2015 dai ricercatori di Microsoft Research, ResNet-50 è diventato rapidamente uno dei modelli più influenti nel settore grazie alla sua precisione ed efficienza nelle attività di riconoscimento di immagini su larga scala.

Una caratteristica chiave di ResNet-50 è l'uso di connessioni residue, note anche come shortcut connections. Si tratta di percorsi semplici che consentono al modello di saltare alcuni passaggi nel processo di apprendimento. In altre parole, invece di costringere il modello a passare le informazioni attraverso ogni singolo strato, queste scorciatoie gli permettono di portare avanti i dettagli importanti in modo più diretto. Questo rende l'apprendimento più veloce e più affidabile.

Fig 1. Uno sguardo alle connessioni residue nell'architettura ResNet.

Questo design aiuta a risolvere un problema comune nel deep learning chiamato problema del gradiente evanescente. Nei modelli molto profondi, le informazioni importanti possono andare perse mentre si spostano attraverso molti strati, rendendo difficile l'apprendimento per il modello.

Le connessioni residue aiutano a prevenire questo problema mantenendo il flusso delle informazioni chiaro dall'inizio alla fine. Ecco perché il modello è chiamato ResNet-50: ResNet sta per Residual Network e il “50” si riferisce al numero di strati che utilizza per elaborare un'immagine.

Link to this sectionUna panoramica di come funziona ResNet-50#

ResNet-50 ha una struttura ben organizzata che rende possibile per il modello essere profondo senza perdere informazioni importanti. Segue un pattern semplice e ripetibile che mantiene l'efficienza pur consentendo prestazioni elevate.

Ecco uno sguardo più da vicino a come funziona l'architettura ResNet-50:

• Feature extraction di base: Il modello inizia applicando un'operazione matematica chiamata convoluzione. Questa comporta lo scorrimento di piccoli filtri (chiamati kernel) sull'immagine per produrre mappe di caratteristiche: nuove versioni dell'immagine che evidenziano modelli di base come bordi o texture. È così che il modello inizia a cogliere informazioni visive utili.
• Apprendimento di caratteristiche complesse: Mentre i dati si muovono attraverso la rete, la dimensione delle mappe di caratteristiche diventa più piccola. Questo avviene tramite tecniche come il pooling o l'utilizzo di filtri con passi più ampi (chiamati stride). Allo stesso tempo, la rete crea più mappe di caratteristiche, aiutandola a catturare modelli sempre più complessi, come forme, parti di oggetti o texture.
• Compressione ed espansione dei dati: Ogni fase comprime i dati, li elabora e poi li espande di nuovo. Questo aiuta il modello ad apprendere risparmiando memoria.
• Shortcut connections: Sono percorsi semplici che consentono alle informazioni di saltare in avanti invece di passare attraverso ogni strato. Rendono l'apprendimento più stabile ed efficiente.
• Fare una previsione: Alla fine della rete, tutte le informazioni apprese vengono combinate e passate attraverso una funzione softmax. Questa produce una distribuzione di probabilità sulle classi possibili, indicando la sicurezza del modello in ogni previsione - ad esempio, 90% gatto, 9% cane, 1% auto.

Fig 2. L'architettura ResNet-50.

Link to this sectionCaratteristiche principali di ResNet-50#

Anche se ResNet-50 è stato originariamente progettato per la classificazione delle immagini, il suo design flessibile lo ha reso utile in molte aree della computer vision. Diamo un'occhiata ad alcune delle caratteristiche che fanno risaltare ResNet-50.

Link to this sectionUtilizzo di ResNet-50 per la classificazione delle immagini#

ResNet-50 è utilizzato principalmente per la classificazione delle immagini, dove l'obiettivo è assegnare un'etichetta a un'immagine. Ad esempio, data una foto, il modello potrebbe etichettarla come cane, gatto o aereo in base all'oggetto principale che vede.

Il suo design affidabile e la disponibilità in librerie di deep learning ampiamente utilizzate come PyTorch e TensorFlow hanno reso ResNet-50 una scelta popolare iniziale per l'addestramento su grandi dataset di immagini. Uno degli esempi più noti è ImageNet, una vasta collezione di immagini etichettate utilizzata per valutare e confrontare i modelli di computer vision.

Sebbene modelli più recenti, come Ultralytics YOLO11, lo superino, ResNet-50 è ancora comunemente usato come benchmark grazie al suo solido equilibrio tra precisione, velocità e semplicità.

Fig 3. Un esempio di utilizzo di ResNet-50 per classificare un cane.

Link to this sectionRilevamento di oggetti abilitato dai backbone ResNet-50#

Mentre la classificazione delle immagini riguarda l'identificazione dell'oggetto principale in una foto, il rilevamento di oggetti fa un passo avanti trovando ed etichettando più oggetti nella stessa immagine. Ad esempio, nell'immagine di una strada trafficata, un modello potrebbe dover rilevare auto, autobus e persone, e capire dove si trovi ciascuno di essi.

ResNet-50 viene utilizzato come backbone in alcuni di questi modelli. Ciò significa che gestisce la prima parte del lavoro: analizzare l'immagine ed estrarre dettagli importanti che descrivono cosa c'è dentro e dove. Questi dettagli vengono poi passati alla parte successiva del modello, chiamata detection head, che prende le decisioni finali su quali oggetti siano presenti nell'immagine e dove si trovino.

Modelli di rilevamento popolari come Faster R-CNN e DETR utilizzano ResNet-50 per questa fase di estrazione delle caratteristiche. Poiché svolge un buon lavoro nel catturare sia i dettagli fini che il layout generale di un'immagine, aiuta questi modelli a fare previsioni accurate, anche in scene complesse.

Link to this sectionTransfer learning con ResNet-50#

Un altro aspetto interessante del modello ResNet-50 è la sua capacità di supportare il transfer learning. Ciò significa che il modello, originariamente addestrato su un grande dataset come ImageNet per la classificazione delle immagini, può essere adattato a nuove attività con molti meno dati.

Invece di partire da zero, la maggior parte degli strati del modello viene riutilizzata e solo lo strato di classificazione finale viene sostituito e riaddestrato per la nuova attività. Questo fa risparmiare tempo ed è particolarmente utile quando i dati etichettati sono limitati.

Link to this sectionApplicazioni di computer vision di ResNet-50#

L'architettura di ResNet-50 l'ha resa utile per una vasta gamma di applicazioni di computer vision. È stata particolarmente importante nei primi tempi del deep learning, aiutando a portare la tecnologia di vision AI dalla ricerca all'uso nel mondo reale. Risolvendo sfide chiave, ha contribuito a spianare la strada ai modelli più avanzati che vediamo nelle applicazioni di oggi.

Link to this sectionImaging medico guidato da ResNet-50#

ResNet-50 è stato uno dei primi modelli utilizzati nell'imaging medico basato sul deep learning. I ricercatori l'hanno sfruttato per identificare modelli di malattie in raggi X, risonanze magnetiche e altre scansioni diagnostiche. Ad esempio, ha aiutato a rilevare tumori e classificare immagini retiniche diabetiche per supportare la diagnosi in oftalmologia.

Sebbene ora vengano utilizzati modelli più avanzati negli strumenti clinici, ResNet-50 ha svolto un ruolo chiave nella ricerca iniziale sull'AI medica. La sua facilità d'uso e il design modulare l'hanno reso una scelta adatta per la creazione di prototipi di sistemi diagnostici.

Fig 4. Rilevamento di tumori cerebrali basato su ResNet-50.

Link to this sectionAutomazione industriale alimentata da ResNet-50#

Allo stesso modo, ResNet-50 è stato applicato anche in contesti industriali. Ad esempio, nella produzione, è stato utilizzato nella ricerca e in sistemi pilota per rilevare difetti superficiali su materiali come acciaio, cemento e parti verniciate.

È stato anche testato in setup per identificare fori, crepe o depositi che si formano durante la fusione o l'assemblaggio. ResNet-50 è ben adatto a queste attività perché può individuare sottili differenze nella texture superficiale, un'abilità importante per l'ispezione della qualità.

Sebbene modelli più avanzati come YOLO11 siano ora comunemente usati nei sistemi di produzione, ResNet-50 svolge ancora un ruolo importante nella ricerca accademica e nel benchmarking, in particolare per le attività di classificazione delle immagini.

Fig 5. Ispezione superficiale utilizzando ResNet-50.

Link to this sectionVantaggi e limitazioni di ResNet-50#

Ecco uno sguardo ad alcuni dei vantaggi di ResNet-50:

• Solide prestazioni di base: ResNet-50 offre una solida precisione su una vasta gamma di attività, rendendolo un benchmark di fiducia sia nella ricerca che nei progetti applicati.
• Ben documentato e ampiamente studiato: La sua architettura è ben compresa e accuratamente documentata, il che rende la risoluzione dei problemi e l'apprendimento più facili per sviluppatori e ricercatori.
• Versatile tra i domini: Dall'imaging medico alla produzione, ResNet-50 è stato applicato con successo a una varietà di problemi del mondo reale, dimostrando la sua flessibilità.

Nel frattempo, ecco una panoramica delle limitazioni di ResNet-50:

• Elevato utilizzo delle risorse: ResNet-50 richiede più memoria e potenza di calcolo rispetto ai modelli leggeri, il che può renderlo meno adatto per dispositivi mobili o applicazioni in tempo reale.
• Overfitting su dataset piccoli: A causa della sua profondità e complessità, ResNet-50 può andare in overfitting quando addestrato su dati limitati senza tecniche di regolarizzazione adeguate.
• Dimensione di input fissa: ResNet-50 si aspetta solitamente che le immagini abbiano una dimensione specifica, come 224x224 pixel, quindi le immagini devono spesso essere ridimensionate o ritagliate, il che a volte può rimuovere dettagli importanti.

Link to this sectionPunti chiave#

ResNet-50 ha dimostrato che le reti molto profonde potevano essere addestrate in modo efficace pur offrendo prestazioni elevate nelle attività visive. La sua architettura ha offerto un framework chiaro e pratico per costruire modelli più profondi che funzionassero in modo affidabile.

Dopo il suo rilascio, i ricercatori hanno ampliato il design, creando versioni più profonde come ResNet-101 e ResNet-152. Nel complesso, ResNet-50 è un modello chiave che ha contribuito a plasmare il modo in cui il deep learning viene utilizzato oggi nella computer vision.

Unisciti alla nostra community in crescita! Esplora il nostro repository GitHub per saperne di più sull'AI. Sei pronto a iniziare i tuoi progetti di computer vision? Dai un'occhiata alle nostre opzioni di licenza. Scopri l'AI in agricoltura e la vision AI nell'assistenza sanitaria visitando le nostre pagine dedicate alle soluzioni!