Che cos’è ResNet-50 e qual è la sua rilevanza nella visione artificiale?

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

Per realizzare soluzioni di computer vision di questo tipo, gli sviluppatori si affidano a modelli di vision AI capaci di apprendere da grandi quantità di dati visivi. Nel corso degli anni, i ricercatori hanno sviluppato modelli più recenti e avanzati, con prestazioni notevoli in attività di vision AI come la classificazione delle immagini (assegnazione di etichette alle immagini), il rilevamento degli oggetti (individuazione e identificazione degli oggetti nelle immagini) e la segmentazione delle istanze (rilevamento degli oggetti e delineazione delle loro forme esatte).

Tuttavia, guardare ai modelli del passato e comprenderli può aiutare a capire come funzionano i sistemi di computer vision di oggi. Un esempio fondamentale è ResNet-50, un modello influente che ha introdotto il concetto di connessioni shortcut, ovvero percorsi semplici che aiutano il modello ad apprendere più rapidamente e con maggiore precisione.

Questa innovazione ha reso possibile addestrare efficacemente reti neurali molto più profonde, portando a importanti miglioramenti nella classificazione delle immagini e influenzando la progettazione di molti modelli successivi. In questo articolo analizzeremo ResNet-50, il suo funzionamento e la sua rilevanza nell'evoluzione della computer vision. Iniziamo!

Che cos'è ResNet-50?#

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

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

Una caratteristica fondamentale di ResNet-50 è l'uso delle connessioni residue, note anche come connessioni shortcut. Si tratta di percorsi semplici che consentono al modello di saltare alcuni passaggi del processo di apprendimento. In altre parole, invece di obbligare il modello a far passare le informazioni attraverso ogni singolo layer, queste connessioni gli permettono di trasmettere più direttamente i dettagli importanti. Questo rende l'apprendimento più rapido e affidabile.

Fig 1. Panoramica delle connessioni residue nell'architettura ResNet.

Questa architettura aiuta a risolvere un problema comune nel deep learning, chiamato problema del gradiente evanescente. Nei modelli molto profondi, informazioni importanti possono andare perse mentre attraversano numerosi layer, rendendo difficile l'apprendimento per il modello.

Le connessioni residue aiutano a evitare questo problema mantenendo un flusso chiaro delle informazioni dall'inizio alla fine. Ecco perché il modello si chiama ResNet-50: ResNet è l'abbreviazione di Residual Network e «50» si riferisce al numero di layer usati per elaborare un'immagine.

Panoramica del funzionamento di ResNet-50#

ResNet-50 ha una struttura ben organizzata che consente al modello di essere profondo senza perdere informazioni importanti. Segue uno schema semplice e ripetibile che mantiene l'efficienza pur garantendo prestazioni elevate.

Ecco un'analisi più approfondita del funzionamento dell'architettura ResNet-50:

• Estrazione delle caratteristiche di base: Il modello inizia applicando un'operazione matematica chiamata convoluzione. Questa operazione consiste nello scorrere piccoli filtri (detti kernel) sull'immagine per produrre mappe delle caratteristiche, ovvero nuove versioni dell'immagine che evidenziano schemi di base come bordi o texture. In questo modo il modello inizia a cogliere informazioni visive utili.
• Apprendimento di caratteristiche complesse: Man mano che i dati attraversano la rete, le dimensioni delle mappe delle caratteristiche si riducono. Ciò avviene tramite tecniche come il pooling o l'uso di filtri con passi più ampi (detti stride). Allo stesso tempo, la rete crea più mappe delle caratteristiche, aiutando il modello a cogliere schemi 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 nuovamente. Questo aiuta il modello ad apprendere risparmiando memoria.
• Connessioni shortcut: Sono percorsi semplici che permettono alle informazioni di avanzare saltando alcuni passaggi, anziché attraversare ogni layer. Rendono l'apprendimento più stabile ed efficiente.
• Generazione di 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 possibili classi, indicando il livello di confidenza del modello per ciascuna previsione, ad esempio: 90% gatto, 9% cane, 1% auto.

Fig 2. L'architettura ResNet-50.

Caratteristiche principali di ResNet-50#

Sebbene ResNet-50 sia stato progettato inizialmente per la classificazione delle immagini, la sua architettura flessibile lo ha reso utile in molti ambiti della computer vision. Vediamo alcune delle caratteristiche che contraddistinguono ResNet-50.

Uso di ResNet-50 per la classificazione delle immagini#

ResNet-50 viene usato principalmente per la classificazione delle immagini, il cui obiettivo è assegnare un'etichetta a un'immagine. Ad esempio, data una foto, il modello può classificarla come cane, gatto o aeroplano in base all'oggetto principale che rileva.

La sua architettura affidabile e la disponibilità in librerie di deep learning molto diffuse come PyTorch e TensorFlow hanno reso ResNet-50 una scelta popolare agli inizi per l'addestramento su grandi dataset di immagini. Uno degli esempi più noti è ImageNet, una vasta raccolta di immagini etichettate usata per valutare e confrontare i modelli di computer vision.

Sebbene i modelli più recenti, come Ultralytics YOLO11, offrano prestazioni superiori, ResNet-50 è ancora comunemente usato come benchmark grazie al solido equilibrio tra accuratezza, velocità e semplicità.

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

Rilevamento degli oggetti con backbone ResNet-50#

Mentre la classificazione delle immagini consiste nell'identificare l'oggetto principale di una foto, il rilevamento degli oggetti va oltre, individuando e classificando più oggetti nella stessa immagine. Ad esempio, in un'immagine di una strada trafficata, un modello potrebbe dover rilevare auto, autobus e persone, oltre a stabilire dove si trova ciascuno.

ResNet-50 viene usato come backbone in alcuni di questi modelli. Ciò significa che si occupa della prima parte del lavoro: analizzare l'immagine ed estrarre dettagli importanti che descrivono cosa contiene e dove si trova. Questi dettagli vengono poi passati alla parte successiva del modello, chiamata detection head, che prende le decisioni finali sugli oggetti presenti nell'immagine e sulla loro posizione.

Modelli di rilevamento diffusi come Faster R-CNN e DETR usano ResNet-50 per questa fase di estrazione delle caratteristiche. Poiché è efficace nel cogliere sia i dettagli più fini sia la struttura complessiva di un'immagine, aiuta questi modelli a generare previsioni accurate, anche in scene complesse.

Transfer 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, inizialmente addestrato su un grande dataset come ImageNet per classificare le immagini, può essere adattato a nuove attività usando molti meno dati.

Invece di partire da zero, si riutilizza la maggior parte dei layer del modello e si sostituisce e riaddestra solo il layer di classificazione finale per la nuova attività. Questo fa risparmiare tempo ed è particolarmente utile quando i dati etichettati sono limitati.

Applicazioni di computer vision di ResNet-50#

L'architettura di ResNet-50 lo ha reso utile in un'ampia gamma di applicazioni di computer vision. È stato particolarmente importante agli albori del deep learning, contribuendo a portare la tecnologia vision AI dalla ricerca alle applicazioni reali. Risolvendo sfide fondamentali, ha contribuito a spianare la strada ai modelli più avanzati che vediamo nelle applicazioni di oggi.

Imaging medico basato su ResNet-50#

ResNet-50 è stato uno dei primi modelli usati nell'imaging medico basato sul deep learning. I ricercatori lo hanno impiegato per individuare schemi associati alle malattie nelle radiografie, nelle risonanze magnetiche e in altre scansioni diagnostiche. Ad esempio, ha contribuito a rilevare tumori e a classificare immagini retiniche di pazienti diabetici per supportare la diagnosi in oftalmologia.

Sebbene oggi gli strumenti clinici usino modelli più avanzati, ResNet-50 ha svolto un ruolo fondamentale nelle prime ricerche sull'AI in ambito medico. La facilità d'uso e l'architettura modulare lo hanno reso una scelta adatta per creare prototipi di sistemi diagnostici.

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

Automazione industriale basata su ResNet-50#

ResNet-50 è stato applicato anche in ambito industriale. Ad esempio, nel settore manifatturiero è stato usato in sistemi di ricerca e pilota per rilevare difetti superficiali nei materiali, come acciaio, calcestruzzo e componenti verniciati.

È stato anche testato in configurazioni per individuare fori, crepe o depositi che si formano durante la fusione o l'assemblaggio. ResNet-50 è adatto a queste attività perché riesce a individuare sottili differenze nella texture delle superfici, una capacità importante per il controllo qualità.

Sebbene oggi nella produzione si usino comunemente modelli più avanzati come Ultralytics YOLO11, ResNet-50 continua a svolgere un ruolo importante nella ricerca accademica e nel benchmarking, in particolare per le attività di classificazione delle immagini.

Fig 5. Ispezione delle superfici con ResNet-50.

Vantaggi e limitazioni di ResNet-50#

Ecco alcuni dei vantaggi di ResNet-50:

• Prestazioni di base elevate: ResNet-50 offre una buona accuratezza in un'ampia gamma di attività, diventando un benchmark affidabile sia nella ricerca sia nei progetti applicativi.
• Ben documentata e ampiamente studiata: La sua architettura è ben compresa e descritta in modo approfondito, il che semplifica la risoluzione dei problemi e l'apprendimento per sviluppatori e ricercatori.
• Versatile in diversi ambiti: Dall'imaging medico alla produzione industriale, ResNet-50 è stata applicata con successo a una varietà di problemi del mondo reale, dimostrando la propria flessibilità.

Nel frattempo, ecco una panoramica dei limiti di ResNet-50:

• Elevato consumo di risorse: ResNet-50 richiede più memoria e potenza di calcolo rispetto ai modelli leggeri, il che può renderla meno adatta ai dispositivi mobili o alle applicazioni in tempo reale.
• Overfitting su dataset di piccole dimensioni: A causa della sua profondità e complessità, ResNet-50 può andare in overfitting se addestrata su dati limitati senza tecniche di regolarizzazione adeguate.
• Dimensione di input fissa: ResNet-50 si aspetta in genere immagini di una dimensione specifica, ad esempio 224×224 pixel, quindi spesso è necessario ridimensionare o ritagliare le immagini, rischiando talvolta di eliminare dettagli importanti.

Punti chiave#

ResNet-50 ha dimostrato che è possibile addestrare efficacemente reti molto profonde mantenendo prestazioni elevate nei task visivi. La sua architettura ha offerto un framework chiaro e pratico per creare modelli più profondi che funzionassero in modo affidabile.

Dopo il suo rilascio, i ricercatori hanno ampliato il progetto, creando versioni più profonde come ResNet-101 e ResNet-152. Nel complesso, ResNet-50 è un modello fondamentale che ha contribuito a definire il modo in cui oggi si usa il deep learning nella visione artificiale.

Unisciti alla nostra community in crescita! Esplora il nostro repository GitHub per saperne di più sull’AI. Vuoi iniziare i tuoi progetti di visione artificiale? Scopri le nostre opzioni di licenza. Scopri l’AI in agricoltura e l’AI visiva in ambito sanitario visitando le nostre pagine dedicate alle soluzioni!