Convolutional Neural Network (CNN)

Una Convolutional Neural Network (CNN) è un'architettura di deep learning specializzata progettata per elaborare dati con una topologia a griglia, in particolare le immagini digitali. Ispirate alla struttura biologica della corteccia visiva, le CNN sono unicamente in grado di preservare le relazioni spaziali all'interno dei dati di input. A differenza delle reti neurali tradizionali che appiattiscono un'immagine in una lunga lista di numeri, le CNN analizzano piccole regioni sovrapposte di un'immagine per apprendere automaticamente gerarchie di caratteristiche, dai semplici bordi e texture a forme e oggetti complessi. Questa capacità le rende la tecnologia fondamentale alla base dei moderni sistemi di computer vision (CV).

Come funzionano le reti neurali convoluzionali#

La potenza di una CNN risiede nella sua capacità di ridurre un'immagine complessa in una forma più facile da elaborare senza perdere le caratteristiche critiche per ottenere una buona previsione. Ciò si ottiene attraverso una pipeline di strati distinti che trasformano il volume di input in una classe o valore di output:

• Convolution Layer: Questo è il blocco di costruzione principale. Utilizza un insieme di filtri (o kernel) apprendibili che scorrono sull'immagine di input come una torcia. In ogni posizione, il filtro esegue un'operazione matematica chiamata convoluzione, creando una feature map che evidenzia pattern specifici come linee orizzontali o gradienti di colore.
• Activation Function: Dopo la convoluzione, viene applicata una funzione non lineare all'output. La scelta più comune è la ReLU (Rectified Linear Unit), che azzera i valori negativi dei pixel. Questo introduce non linearità, consentendo alla rete di apprendere pattern complessi oltre le semplici relazioni lineari.
• Pooling Layer: Nota anche come downsampling, questa layer riduce la dimensionalità delle feature map. Tecniche come il max pooling mantengono solo le caratteristiche più importanti (i valori più alti) in una regione, riducendo il carico computazionale e aiutando a prevenire l'overfitting.
• Fully Connected Layer: Nella fase finale, le caratteristiche elaborate vengono appiattite e immesse in una neural network (NN) standard. Questo layer utilizza le caratteristiche di alto livello identificate dai layer precedenti per effettuare una classificazione o previsione finale, come "gatto" o "cane".

Applicazioni nel mondo reale#

Le CNN hanno trasformato le industrie automatizzando i compiti visivi con un'accuratezza superiore a quella umana.

• Diagnostica medica: Nel settore sanitario, le CNN assistono i radiologi identificando anomalie nelle scansioni mediche più velocemente dell'occhio umano. Ad esempio, i modelli di deep learning analizzano scansioni MRI e CT per rilevare i primi segni di tumori o fratture. La ricerca che coinvolge l'IA in radiologia evidenzia come questi strumenti migliorino la coerenza e la velocità diagnostica.
• Autonomous Systems: Self-driving cars rely heavily on CNNs to perceive their surroundings. Models like YOLO26 utilize efficient CNN backbones to perform real-time object detection, identifying pedestrians, traffic signs, and other vehicles to make split-second driving decisions.

CNN a confronto con i Vision Transformer (ViT)#

Sebbene le CNN siano state a lungo lo standard per i compiti visivi, è emersa una nuova architettura chiamata Vision Transformer (ViT).

• Le CNN elaborano le immagini utilizzando caratteristiche locali e sono altamente efficienti su dataset più piccoli grazie al loro "induttivo bias" (presuppongono che i pixel vicini siano correlati). Eccellono in scenari che richiedono inferenza in tempo reale su dispositivi edge.
• I ViT dividono le immagini in patch e le elaborano utilizzando meccanismi globali di self-attention. Questo consente loro di catturare dipendenze a lungo raggio in un'immagine, ma in genere richiede dataset enormi e maggiore potenza di calcolo per l'addestramento efficace.

Esempio di Implementazione#

Le librerie moderne rendono semplice l'uso di modelli basati su CNN. Il pacchetto ultralytics fornisce accesso a modelli all'avanguardia come YOLO26, che presentano architetture CNN altamente ottimizzate per un'inferenza rapida.

Il seguente esempio dimostra come caricare un modello CNN pre-addestrato ed eseguire una previsione:

from ultralytics import YOLO

# Load a YOLO26 model, which uses an advanced CNN architecture
model = YOLO("yolo26n.pt")

# Run inference on an image to identify objects
results = model("https://ultralytics.com/images/bus.jpg")

# Display the prediction results
results[0].show()

Strumenti per lo sviluppo#

Lo sviluppo di CNN è supportato da un robusto ecosistema di strumenti open-source. Gli ingegneri utilizzano tipicamente framework come PyTorch o TensorFlow per costruire architetture personalizzate. Queste librerie forniscono le operazioni su tensori di basso livello richieste per la convoluzione e la backpropagation.

Per i team che desiderano ottimizzare il ciclo di vita dei progetti di computer vision — dalla raccolta dei dati al deployment — la Ultralytics Platform offre una soluzione completa. Semplifica i flussi di lavoro complessi, consentendo agli sviluppatori di concentrarsi sull'applicazione delle CNN per risolvere problemi aziendali anziché gestire l'infrastruttura. Inoltre, i modelli possono essere esportati in formati come ONNX o TensorRT per un deployment ad alte prestazioni su dispositivi edge.