Convolutional Neural Network (CNN)

Una Rete Neurale Convoluzionale (CNN) è un'architettura di deep learning specializzata, progettata per elaborare dati con una topologia a griglia, più comunemente le immagini digitali. Ispirate alla struttura biologica della corteccia visiva, le CNN sono capaci in modo unico 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: da bordi e texture semplici a forme e oggetti complessi. Questa capacità le rende la tecnologia fondamentale dietro i moderni sistemi di computer vision (CV).

Link to this sectionCome 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:

• Livello di Convoluzione: Questo è l'elemento costitutivo fondamentale. Utilizza un insieme di filtri (o kernel) apprendibili che scorrono sull'immagine di input come una torcia. Ad 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.
• Funzione di Attivazione: Dopo la convoluzione, viene applicata una funzione non lineare all'output. La scelta più comune è la ReLU (Rectified Linear Unit), che trasforma i valori negativi dei pixel in zero. Questo introduce la non linearità, consentendo alla rete di apprendere pattern complessi che vanno oltre le semplici relazioni lineari.
• Livello di Pooling: Conosciuto anche come downsampling, questo livello riduce la dimensionalità delle feature map. Tecniche come il max pooling mantengono solo le caratteristiche più importanti (i valori più alti) in una regione, il che riduce il carico computazionale e aiuta a prevenire l'overfitting.
• Livello Completamente Connesso (Fully Connected Layer): Nella fase finale, le caratteristiche elaborate vengono appiattite e inviate a una rete neurale (NN) standard. Questo livello utilizza le caratteristiche di alto livello identificate dai livelli precedenti per effettuare una classificazione o una previsione finale, come "gatto" o "cane".

Link to this sectionApplicazioni nel mondo reale#

Le CNN hanno trasformato i settori automatizzando le attività visive con una precisione sovrumana.

• 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.
• Sistemi Autonomi: Le auto a guida autonoma si affidano pesantemente alle CNN per percepire l'ambiente circostante. Modelli come YOLO26 utilizzano efficienti backbone CNN per eseguire object detection in tempo reale, identificando pedoni, segnali stradali e altri veicoli per prendere decisioni di guida in frazioni di secondo.

Link to this sectionCNN a confronto con i Vision Transformer (ViT)#

Sebbene le CNN siano state a lungo lo standard per le attività di visione, 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 "bias induttivo" (presumono 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. Ciò consente loro di catturare dipendenze a lungo raggio attraverso un'immagine, ma in genere richiedono dataset massicci e maggiore potenza di calcolo per essere addestrati in modo efficace.

Link to this sectionEsempio di Implementazione#

Le librerie moderne rendono semplice l'utilizzo di modelli basati su CNN. Il pacchetto ultralytics fornisce l'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()

Link to this sectionStrumenti per lo sviluppo#

Lo sviluppo di CNN è supportato da un solido ecosistema di strumenti open source. Gli ingegneri utilizzano solitamente framework come PyTorch o TensorFlow per costruire architetture personalizzate. Queste librerie forniscono le operazioni sui tensori di basso livello necessarie 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 flussi di lavoro complessi, consentendo agli sviluppatori di concentrarsi sull'applicazione delle CNN per risolvere problemi aziendali piuttosto che sulla gestione dell'infrastruttura. Inoltre, i modelli possono essere esportati in formati come ONNX o TensorRT per un deployment ad alte prestazioni su dispositivi edge.