Convolutional Neural Network (CNN)

Una rete neurale convoluzionale (CNN) è un'architettura specializzata di deep learning progettata per elaborare dati con una topologia a griglia, in particolare immagini digitali. Ispirate alla struttura biologica della corteccia visiva, le CNN sono in grado in modo unico di preservare le relazioni spaziali all'interno dei dati di input. A differenza delle reti neurali tradizionali, che appiattiscono un'immagine trasformandola 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 dalle texture fino a forme e oggetti complessi. Questa capacità rende le CNN la tecnologia fondamentale alla base dei moderni sistemi di visione artificiale (CV).

Come funzionano le reti neurali convoluzionali#

La potenza di una CNN risiede nella sua capacità di ridurre un'immagine complessa a una forma più facile da elaborare senza perdere le caratteristiche fondamentali per ottenere una buona previsione. Questo risultato viene ottenuto tramite una pipeline di livelli distinti che trasformano il volume di input in una classe o un valore di output:

• Livello di convoluzione: è il componente fondamentale. Utilizza una serie di filtri apprendibili (o kernel) che scorrono sull'immagine di input come una torcia. In ogni posizione, il filtro esegue un'operazione matematica chiamata convoluzione, creando una mappa delle caratteristiche che evidenzia schemi specifici, come linee orizzontali o gradienti di colore.
• Funzione di attivazione: dopo la convoluzione, all'output viene applicata una funzione non lineare. La scelta più comune è la ReLU (unità lineare rettificata), che converte in zero i valori dei pixel negativi. Questo introduce la non linearità, consentendo alla rete di apprendere schemi complessi oltre le semplici relazioni lineari.
• Livello di pooling: noto anche come downsampling, questo livello riduce la dimensionalità delle mappe delle caratteristiche. Tecniche come il max pooling mantengono solo le caratteristiche più importanti (i valori più alti) in una regione, riducendo il carico computazionale e contribuendo a prevenire l'overfitting.
• Livello completamente connesso: nella fase finale, le caratteristiche elaborate vengono appiattite e immesse in una rete neurale (NN) standard. Questo livello utilizza le caratteristiche di alto livello identificate dai livelli precedenti per eseguire la classificazione o la previsione finale, ad esempio "gatto" o "cane".

Applicazioni nel mondo reale#

Le CNN hanno trasformato interi settori automatizzando attività visive con un'accuratezza sovrumana.

• Diagnostica medica: in ambito sanitario, le CNN assistono i radiologi identificando le anomalie nelle immagini mediche più rapidamente 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 sull'AI in radiologia evidenzia come questi strumenti migliorino la coerenza e la velocità della diagnosi.
• Sistemi autonomi: le auto a guida autonoma fanno ampio affidamento sulle CNN per percepire l'ambiente circostante. Modelli come YOLO26 utilizzano backbone CNN efficienti per eseguire il rilevamento degli oggetti in tempo reale, identificando pedoni, segnali stradali e altri veicoli per prendere decisioni di guida in una frazione di secondo.

CNN vs. Transformer per la visione (ViT)#

Sebbene le CNN siano da tempo lo standard per le attività di visione, è emersa una nuova architettura chiamata Transformer per la visione (ViT).

• Le CNN elaborano le immagini utilizzando caratteristiche locali e sono estremamente efficienti su dataset più piccoli grazie al loro "bias induttivo" (presuppongono che i pixel vicini siano correlati). Eccellono negli scenari che richiedono [inferenza in tempo reale](https://ultralytics-translation-0.invalid sui 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 all'interno di un'immagine, ma in genere richiede dataset enormi e una maggiore potenza di calcolo per un addestramento efficace.

Esempio di implementazione#

Le librerie moderne semplificano l'utilizzo dei modelli basati su CNN. Il pacchetto ultralytics consente di accedere a modelli all'avanguardia come YOLO26, che offrono architetture CNN altamente ottimizzate per un'inferenza rapida.

L'esempio seguente mostra 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 solido ecosistema di strumenti open source. Gli ingegneri utilizzano in genere framework come PyTorch o TensorFlow per creare architetture personalizzate. Queste librerie forniscono le operazioni tensoriali di basso livello necessarie per la convoluzione e la retropropagazione.

Per i team che desiderano semplificare il ciclo di vita dei progetti di visione artificiale, dalla raccolta dei dati alla distribuzione, la Ultralytics Platform offre una soluzione completa. Semplifica i flussi di lavoro complessi, consentendo agli sviluppatori di concentrarsi sull'applicazione delle CNN alla risoluzione di problemi aziendali anziché sulla gestione dell'infrastruttura. Inoltre, i modelli possono essere esportati in formati come ONNX o TensorRT per una distribuzione ad alte prestazioni sui dispositivi edge.