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

L'analisi automatica 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 intelligenza artificiale visiva. Si tratta di un ramo dell'intelligenza artificiale (IA) che consente alle macchine di interpretare e comprendere immagini e video, proprio come fanno gli esseri umani.

Per creare tali soluzioni di computer vision, gli sviluppatori si affidano a modelli di IA visiva in grado di apprendere da grandi quantità di dati visivi. Nel corso degli anni, i ricercatori hanno sviluppato modelli più nuovi e avanzati con prestazioni straordinarie in attività di IA visiva come la classificazione delle immagini (assegnazione di etichette alle immagini), il rilevamento degli oggetti (localizzazione e identificazione degli oggetti all'interno delle immagini) e la segmentazione delle istanze (rilevamento degli 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 significativi miglioramenti nella classificazione delle immagini e influenzando la progettazione di molti modelli successivi. In questo articolo esploreremo ResNet-50, il suo funzionamento e la sua rilevanza nell'evoluzione della computer vision. Cominciamo!

Cos'è ResNet-50?#

ResNet-50 è un modello di computer vision basato su un tipo di rete neurale chiamato Convolutional Neural Network (CNN). Le CNN sono progettate per aiutare i computer a comprendere le informazioni visive apprendendo i pattern nelle immagini, come bordi, colori o forme, e utilizzando tali pattern 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 evitare questo problema mantenendo le informazioni in chiaro scorrimento dall'inizio alla fine. Ecco perché il modello si chiama ResNet-50: ResNet sta per Residual Network, e il “50” si riferisce al numero di layer che utilizza per elaborare un'immagine.

Una 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:

• Estrazione di feature di base: Il modello inizia applicando un'operazione matematica chiamata convoluzione. Questa consiste nello scorrere piccoli filtri (chiamati kernel) sull'immagine per produrre feature map, ovvero nuove versioni dell'immagine che evidenziano pattern di base come bordi o texture. È così che il modello inizia a cogliere utili informazioni visive.
• 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.
• Creazione di una predizione: Alla fine della rete, tutte le informazioniapprese vengono combinate e passate attraverso una funzione softmax. Questa genera una distribuzione di probabilità sulle classi possibili, indicando la sicurezza del modello in ogni predizione, ad esempio 90% gatto, 9% cane, 1% auto.

Fig 2. L'architettura ResNet-50.

Caratteristiche 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.

Utilizzo di ResNet-50 per la classificazione delle immagini#

ResNet-50 viene 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.

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

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

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

Rilevamento di oggetti abilitato dai backbone ResNet-50#

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

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, originariamente addestrato su un ampio 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.

Applicazioni 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.

Imaging medico guidato da ResNet-50#

ResNet-50 è stato uno dei primi modelli utilizzati nell'imaging medico basato sul deep learning. I ricercatori lo hanno sfruttato per identificare i pattern di malattie in radiografie, risonanze magnetiche e altri esami diagnostici. Ad esempio, ha aiutato a rilevare tumori e a classificare immagini retiniche diabetiche per supportare la diagnosi in oculistica.

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.

Automazione 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, calcestruzzo 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 Ultralytics YOLO11 siano ora comunemente usati nei sistemi di produzione, ResNet-50 gioca ancora un ruolo importante nella ricerca accademica e nel benchmarking, in particolare per i compiti di classificazione delle immagini.

Fig 5. Ispezione superficiale tramite ResNet-50.

Vantaggi 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 di ridotte dimensioni: A causa della sua profondità e complessità, ResNet-50 può andare incontro a overfitting quando viene addestrato su dati limitati senza adeguate tecniche di regolarizzazione.
• 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.

Punti 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 crescente community! Esplora il nostro repository GitHub per saperne di più sull'IA. Pronto a iniziare i tuoi progetti di computer vision? Scopri le nostre opzioni di licenza. Scopri l'IA in agricoltura e la computer vision nella sanità visitando le nostre pagine delle soluzioni!