O que é a EfficientNet? Uma visão geral rápida

Em 2019, pesquisadores da Google AI apresentaram o EfficientNet, um modelo de visão computacional de última geração criado para reconhecer objetos e padrões em imagens. Ele foi projetado principalmente para classificação de imagens, o que envolve atribuir uma imagem a uma das várias categorias predefinidas. No entanto, hoje, o EfficientNet também serve como base para tarefas mais complexas, como detecção de objetos, segmentação e aprendizado por transferência.

Antes do EfficientNet, esses modelos de aprendizado de máquina e visão computacional tentavam melhorar a precisão adicionando mais camadas ou aumentando o tamanho dessas camadas. Camadas são as etapas em 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 precisão.

Essas mudanças criaram um compromisso (trade-off), tornando os modelos de IA tradicionais maiores e mais lentos, enquanto o ganho extra de precisão era frequentemente mínimo em comparação com o aumento significativo no poder computacional necessário.

O EfficientNet adotou uma abordagem diferente. Ele aumentou a profundidade (número de camadas), largura (número de unidades em cada camada) e resolução da imagem (o nível de detalhe das imagens de entrada) de forma equilibrada. Esse método, chamado de dimensionamento composto (compound scaling), utiliza de forma confiável todo o poder de processamento disponível. O resultado final é um modelo menor e mais rápido que pode ter um desempenho superior ao de modelos antigos, como ResNet ou DenseNet.

Hoje, modelos de visão computacional mais novos, como o Ultralytics YOLO11, oferecem maior precisão, velocidade e eficiência. Ainda assim, o EfficientNet permanece como um marco importante que influenciou o design de muitas arquiteturas avançadas.

Neste artigo, vamos analisar o EfficientNet em cinco minutos, cobrindo como ele funciona, o que o torna único e por que ele ainda é importante na visão computacional. Vamos começar!

Link to this sectionO que é o EfficientNet?#

Antes de o EfficientNet ser projetado, a maioria dos modelos de reconhecimento de imagem melhorava a precisão ajustando suas camadas ou aumentando o tamanho da imagem 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 de hardware melhor.

Em vez de alterar camadas individuais, o EfficientNet escala a profundidade, a largura e a resolução da imagem em conjunto usando um método chamado dimensionamento composto. Essa abordagem permite que o modelo cresça de forma eficiente sem sobrecarregar nenhum aspecto individual.

A arquitetura do EfficientNet processa imagens através de uma série de blocos, cada um construído a partir de módulos menores. O número de módulos em cada bloco depende do tamanho do modelo.

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

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

Link to this sectionComo o dimensionamento composto funciona#

O método de dimensionamento composto expande a profundidade, a largura e a resolução da imagem de um modelo, mas mantém tudo em equilíbrio. Isso torna possível usar o poder computacional de forma eficiente. A série começa com um modelo base menor chamado EfficientNet-B0, que serve como a base para todas as outras versões.

A partir do B0, os modelos aumentam para variantes maiores chamadas de EfficientNet-B1 a EfficientNet-B7. A cada passo, a rede ganha camadas adicionais, aumenta o número de canais (unidades usadas para processamento) e lida com imagens de entrada de maior resolução. A quantidade de crescimento em cada etapa é determinada por um parâmetro chamado coeficiente composto, que garante que profundidade, largura e resolução aumentem em proporções fixas, em vez de independentemente.

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

Link to this sectionArquitetura do EfficientNet#

A seguir, vamos dar uma olhada na arquitetura do EfficientNet.

Ele se baseia no MobileNetV2, um modelo de visão computacional leve otimizado para dispositivos móveis e embarcados. Em seu núcleo está 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 em termos de memória.

Dentro de cada um dos blocos MBConv há um módulo squeeze-and-excitation (SE). Este módulo ajusta a força de diferentes canais na rede. Ele aumenta a força de canais essenciais e reduz a força de outros. O módulo ajuda a rede a se concentrar nas características mais importantes em uma imagem, ignorando o resto. O modelo EfficientNet também usa uma função de ativação Swish (uma função matemática que ajuda a rede a aprender padrões), que a ajuda a detectar padrões em imagens melhor do que métodos antigos.

Além disso, ele usa DropConnect, onde algumas conexões dentro da rede são desligadas aleatoriamente durante o treinamento. Este método de regularização estocástica (uma técnica de randomização para impedir que o modelo memorize os dados de treinamento em vez de generalizar) reduz o sobreajuste (overfitting) ao forçar a rede a aprender representações de características mais robustas (padrões mais fortes e gerais nos dados) que são melhor transferidas para dados inéditos.

Fig 3. Arquitetura do EfficientNet-B0 (Fonte)

Link to this sectionUma breve visão geral das variantes de modelo do EfficientNet#

Agora que temos uma compreensão melhor de como os modelos EfficientNet funcionam, vamos discutir as diferentes variantes de modelos.

Os modelos EfficientNet escalam de B0 a B7, começando com o B0 como a base que equilibra velocidade e precisão. Cada versão aumenta a profundidade, a largura e a resolução da imagem, melhorando a precisão. No entanto, elas também exigem mais poder computacional, desde o B1 e B2 até o B6 e B7 de alto desempenho.

Enquanto os modelos EfficientNet-B3 e EfficientNet-B4 atingem um equilíbrio para imagens maiores, o B5 é frequentemente escolhido para conjuntos de dados complexos que exigem precisão. Além desses modelos, o modelo mais recente, EfficientNet V2, pode melhorar a velocidade de treinamento, lidar melhor com conjuntos de dados pequenos e está otimizado para hardware moderno.

Link to this sectionAplicações 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 muitos campos, da pesquisa científica a produtos que as pessoas usam diariamente.

Link to this sectionAnálise de imagens médicas#

Imagens médicas, como tomografias computadorizadas dos pulmões, geralmente contêm detalhes sutis que são críticos para um diagnóstico preciso. Modelos de IA podem ajudar na análise dessas imagens para descobrir padrões que podem ser difíceis para humanos detectarem. Uma adaptação do EfficientNet para esse fim é o MONAI (Medical Open Network for AI) EfficientNet, que é especificamente projetado para análise de imagens médicas.

Com base na arquitetura do EfficientNet, pesquisadores também desenvolveram o Lung-EffNet, um modelo que classifica tomografias computadorizadas de pulmão para detectar tumores. Ele pode categorizar tumores como benignos, malignos ou normais, alcançando uma precisão relatada de mais de 99% em ambientes experimentais.

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

Link to this sectionDetecção de objetos em tempo real#

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

O EfficientNet tornou-se importante nesta área porque oferecia uma maneira muito eficiente de extrair características de imagens. Seu método de dimensionamento de profundidade, largura e resolução mostrou como modelos podem ser precisos sem serem muito pesados ou lentos. É por isso que muitos sistemas de detecção, como o EfficientDet, usam o EfficientNet como base.

Modelos mais novos, como o Ultralytics YOLO11, compartilham o mesmo objetivo de combinar velocidade com precisão. Essa tendência em direção a modelos eficientes foi fortemente influenciada por ideias de arquiteturas como o EfficientNet.

Link to this sectionPrós e contras do EfficientNet#

Aqui estão alguns benefícios de usar o EfficientNet em projetos de visão computacional:

• Alta precisão com menos parâmetros: O EfficientNet pode oferecer precisão semelhante ou melhor do que modelos antigos como ResNet ou DenseNet. No entanto, ele usa menos parâmetros, tornando-o mais rápido para treinar e mais fácil de implantar.
• Família de modelos escaláveis: Indo de B0 a B7, você pode escolher uma versão que corresponda aos seus requisitos de hardware e precisão sem alterar a rede base.
• Bom para aprendizado por transferência: O EfficientNet pode oferecer um desempenho de modelo confiável para aprendizado por transferência, que é um processo de retreinamento de um modelo pré-treinado para uma tarefa personalizada. Ele pode funcionar como uma base para uma variedade de tarefas de visão computacional. Ele também mostrou resultados fortes quando ajustado (fine-tuned). Por exemplo, alcançou precisão de ponta no CIFAR-100, um conjunto de dados de classificação de imagens amplamente utilizado, com significativamente menos parâmetros do que os modelos anteriores.

Embora existam muitos benefícios relacionados ao uso do EfficientNet, aqui estão algumas das limitações do EfficientNet que você deve ter em mente:

• Requer mais memória: Versões como o EfficientNet-B6 e o EfficientNet-B7 exigem muita memória GPU.
• Dimensionamento ajustado para o ImageNet: As configurações de dimensionamento foram projetadas para o conjunto de dados ImageNet, portanto, o desempenho pode cair em conjuntos de dados muito diferentes sem um ajuste fino. Isso é especialmente verdadeiro para pequenos conjuntos de dados, uma vez que a arquitetura e o dimensionamento do EfficientNet foram projetados para um conjunto de dados grande e diverso como o ImageNet, que fornece dados suficientes para justificar sua profundidade e largura.
• Mais lento em alguns hardwares: O EfficientNet usa camadas chamadas MBConv que são projetadas para eficiência em hardwares modernos. Em GPUs ou CPUs mais antigas, essas camadas podem ser executadas mais lentamente.

Link to this sectionPrincipais pontos#

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

Junte-se à nossa comunidade e ao repositório GitHub para explorar mais sobre IA. Confira nossas páginas de soluções para ler sobre IA na saúde e visão computacional na indústria automotiva. Descubra nossas opções de licenciamento e comece a construir com visão computacional hoje mesmo!