O que é EfficientNet? Uma visão geral rápida

Em 2019, pesquisadores do Google AI apresentaram o EfficientNet, um modelo de visão computacional de ponta criado para reconhecer objetos e padrões em imagens. Ele foi desenvolvido principalmente para classificação de imagens, que consiste em atribuir uma imagem a uma de várias categorias predefinidas. Hoje, porém, o EfficientNet também serve como backbone para tarefas mais complexas, como detecção de objetos, segmentação e aprendizado por transferência.

Antes do EfficientNet, esses modelos de aprendizado de máquina e IA de visão tentavam melhorar a acurácia adicionando mais camadas ou aumentando o tamanho delas. As camadas são etapas de um modelo de rede neural (um tipo de modelo de aprendizado profundo inspirado no cérebro humano) que processam dados para aprender padrões e melhorar a acurácia.

Essas mudanças criaram uma compensação: os modelos tradicionais de IA ficaram maiores e mais lentos, enquanto o ganho de acurácia costumava ser mínimo em comparação com o grande aumento no poder computacional necessário.

O EfficientNet adotou uma abordagem diferente. Ele aumentou a profundidade (número de camadas), a largura (número de unidades em cada camada) e a resolução da imagem (nível de detalhe das imagens de entrada) de forma conjunta e equilibrada. Esse método é chamado de escalonamento composto. O resultado é um modelo menor e mais rápido, capaz de superar modelos mais antigos, como ResNet ou DenseNet.

Hoje, modelos de visão computacional mais recentes, como o Ultralytics YOLO11 e seu sucessor, o Ultralytics YOLO26, oferecem mais precisão, velocidade e eficiência. Ainda assim, o EfficientNet continua sendo um marco importante que influenciou o projeto de muitas arquiteturas avançadas.

Neste artigo, vamos explicar o EfficientNet em cinco minutos, abordando como funciona, o que o torna único e por que continua sendo importante na visão computacional.

O que é o EfficientNet?#

Antes do desenvolvimento do EfficientNet, a maioria dos modelos de reconhecimento de imagens melhorava a acurácia ajustando as camadas ou aumentando o tamanho das imagens de entrada para capturar mais detalhes. Embora essas estratégias melhorassem os resultados, elas também tornavam os modelos mais pesados e exigentes. Isso significava que eles precisavam de mais memória e hardware melhor.

Em vez de alterar camadas individuais, o EfficientNet escala conjuntamente a profundidade, a largura e a resolução da imagem usando um método chamado escalonamento composto. Essa abordagem permite que o modelo cresça com eficiência sem sobrecarregar nenhum aspecto específico.

A arquitetura do EfficientNet processa imagens por meio de uma série de blocos, cada um formado por módulos menores. O número de módulos em cada bloco depende do tamanho do modelo.

Fig. 1. Os blocos de construção do EfficientNet. (Fonte)

As versões menores usam menos módulos, enquanto as maiores repetem os módulos com mais frequência. Esse design flexível permite que o EfficientNet ofereça alta acurácia e eficiência em uma ampla variedade de aplicações, de dispositivos móveis a sistemas de grande escala.

Como funciona o escalonamento composto#

O método de escalonamento composto expande a profundidade, a largura e a resolução da imagem do modelo, mantendo esses elementos equilibrados. Isso possibilita aproveitar o poder computacional com eficiência. A série começa com um modelo de referência menor, chamado EfficientNet-B0, que serve de base para todas as outras versões.

A partir do B0, os modelos crescem e dão origem a variantes maiores, chamadas EfficientNet-B1 a EfficientNet-B7. A cada etapa, a rede ganha camadas adicionais, aumenta o número de canais (unidades usadas no processamento) e processa imagens de entrada com resolução maior. O crescimento em cada etapa é determinado por um parâmetro chamado coeficiente composto, que garante que a profundidade, a largura e a resolução aumentem em proporções fixas, em vez de independentemente.

Fig. 2. O escalonamento composto aumenta a largura, a profundidade e a resolução da imagem de um modelo. (Fonte)

Arquitetura do EfficientNet#

Agora, vamos examinar a arquitetura do EfficientNet.

A arquitetura se baseia no MobileNetV2, um modelo leve de visão computacional otimizado para dispositivos móveis e embarcados. Seu componente central é o bloco Mobile Inverted Bottleneck Convolution (MBConv), uma camada especial que processa dados de imagem como uma convolução padrão, mas com menos cálculos. Esse bloco torna o modelo rápido e mais eficiente no uso da memória.

Dentro de cada bloco MBConv há um módulo de compressão e excitação (SE). Esse módulo ajusta a intensidade de diferentes canais na rede. Ele aumenta a intensidade dos canais essenciais e reduz a dos demais. Assim, ajuda a rede a se concentrar nas características mais importantes de uma imagem e a ignorar o restante. O modelo EfficientNet também usa uma função de ativação Swish (uma função matemática que ajuda a rede a aprender padrões), que permite identificar padrões em imagens melhor que os métodos mais antigos.

Além disso, ele usa DropConnect, em que algumas conexões dentro da rede são desativadas aleatoriamente durante o treinamento. Esse método de regularização estocástica (uma técnica de aleatorização para impedir que o modelo memorize os dados de treinamento em vez de generalizar) reduz o sobreajuste ao forçar a rede a aprender representações de características mais robustas (padrões mais fortes e gerais nos dados), que se transferem melhor para dados nunca vistos.

Fig. 3. Arquitetura do EfficientNet-B0 (Fonte)

Breve visão geral das variantes do modelo EfficientNet#

Agora que entendemos melhor como os modelos EfficientNet funcionam, vamos falar sobre as diferentes variantes do modelo.

Os modelos EfficientNet vão de B0 a B7, começando com B0 como modelo de referência que equilibra velocidade e acurácia. Cada versão aumenta a profundidade, a largura e a resolução da imagem, melhorando a acurácia. No entanto, também exige mais poder computacional, desde as versões B1 e B2 até as B6 e B7, de alto desempenho.

Embora os modelos EfficientNet-B3 e EfficientNet-B4 ofereçam um bom equilíbrio para imagens maiores, o B5 costuma ser escolhido para conjuntos de dados complexos que exigem precisão. Além desses modelos, seu sucessor, o EfficientNetV2, treina mais rápido e usa os parâmetros com mais eficiência.

Aplicações do EfficientNet#

O EfficientNet pode produzir resultados precisos usando menos memória e poder de processamento do que muitos outros modelos. Isso o torna útil em diversas áreas, da pesquisa científica a produtos usados no dia a dia.

Análise de imagens médicas#

Imagens médicas, como tomografias computadorizadas dos pulmões, costumam conter detalhes sutis que são essenciais para um diagnóstico preciso. Modelos de IA podem ajudar a analisar essas imagens e revelar padrões que talvez sejam difíceis de detectar para as pessoas. Uma adaptação do EfficientNet para esse fim é o MONAI (Medical Open Network for AI) EfficientNet, projetado especificamente para análise de imagens médicas.

Com base na arquitetura EfficientNet, pesquisadores também desenvolveram o Lung-EffNet, um modelo que classifica tomografias dos pulmões para detectar tumores. Ele pode classificar as tomografias como benignas, malignas ou normais e, segundo os resultados, alcança uma precisão superior a 99% em condições experimentais.

Fig. 4. Classificação de imagens de tumores usando o Lung-EffNet. (Fonte)

Detecção de objetos em tempo real#

A detecção de objetos é o processo de encontrar objetos em uma imagem e determinar suas localizações. Ela é essencial em aplicações como sistemas de segurança, carros autônomos e drones.

O EfficientNet ganhou importância nessa área porque ofereceu uma maneira muito eficiente de extrair características das imagens. Seu método de escalonamento da profundidade, largura e resolução mostrou como os modelos poderiam ser precisos sem serem pesados ou lentos demais. Por isso, muitos sistemas de detecção, como o EfficientDet, usam o EfficientNet como backbone.

Modelos mais recentes, como o Ultralytics YOLO11, têm o mesmo objetivo de combinar velocidade e acurácia. Essa tendência em direção a modelos eficientes foi fortemente influenciada por ideias de arquiteturas como o EfficientNet.

Vantagens e desvantagens do EfficientNet#

Estas são algumas vantagens de usar o EfficientNet em projetos de visão computacional:

• Alta acurácia com menos parâmetros: o EfficientNet pode oferecer uma acurácia semelhante ou superior à de modelos mais antigos, como ResNet ou DenseNet. No entanto, usa menos parâmetros, o que acelera o treinamento e facilita a implantação.
• Família de modelos escalável: com opções de B0 a B7, você pode escolher uma versão que corresponda ao seu hardware e aos requisitos de precisão sem alterar a rede de referência.
• Bom para aprendizado por transferência: o EfficientNet pode oferecer um desempenho confiável em aprendizado por transferência, processo que consiste em treinar novamente um modelo pré-treinado para uma tarefa personalizada. Ele pode funcionar como backbone para diversas tarefas de visão computacional. Também apresentou bons resultados após o ajuste fino. Por exemplo, alcançou precisão de ponta no CIFAR-100, um conjunto de dados amplamente usado para classificação de imagens, com muito menos parâmetros que os modelos anteriores.

Embora o uso do EfficientNet ofereça muitas vantagens, estas são algumas de suas limitações que você deve levar em conta:

• Exige mais memória: versões como EfficientNet-B6 e EfficientNet-B7 exigem muita memória da GPU.
• Escalonamento ajustado para o ImageNet: as configurações de escalonamento foram projetadas para o conjunto de dados ImageNet, então o desempenho pode cair em conjuntos de dados muito diferentes sem ajuste fino. Isso é especialmente válido para conjuntos de dados pequenos, já que a arquitetura e o escalonamento do EfficientNet foram projetados para um conjunto de dados grande e diversificado como o ImageNet, que fornece dados suficientes para justificar sua profundidade e largura.
• Mais lento em alguns hardwares: o EfficientNet usa camadas chamadas MBConv, projetadas para oferecer eficiência em hardware moderno. Em GPUs ou CPUs mais antigas, essas camadas podem ser executadas mais lentamente.

Principais conclusões#

O EfficientNet mudou a maneira como os modelos de visão computacional crescem, mantendo a profundidade, a largura e a resolução da imagem em equilíbrio. Ele ainda é um modelo importante e também influenciou arquiteturas mais recentes. Em particular, ocupa um lugar significativo na história da visão computacional.

Participe da nossa comunidade e explore mais sobre IA no nosso repositório no GitHub. Confira nossas páginas de soluções para saber mais sobre IA na área da saúde e visão computacional no setor automotivo. Conheça nossas opções de licenciamento e comece hoje mesmo a criar com visão computacional!