O que é o ResNet-50 e qual é sua relevância para a visão computacional?

A análise automatizada de imagens está se tornando cada vez mais comum em aplicações como a detecção de carros em alta velocidade ou a análise de imagens médicas. A tecnologia por trás dessas inovações é a visão computacional, também chamada de IA de visão. É um ramo da inteligência artificial (AI) que permite às máquinas interpretar e compreender imagens e vídeos, assim como os seres humanos.

Para criar essas soluções de visão computacional, os desenvolvedores recorrem a modelos de IA de visão capazes de aprender com grandes quantidades de dados visuais. Ao longo dos anos, pesquisadores desenvolveram modelos mais novos e avançados, com desempenho impressionante em tarefas de IA de visão, como classificação de imagens (atribuição de rótulos às imagens), detecção de objetos (localização e identificação de objetos em imagens) e segmentação de instâncias (detecção de objetos e contorno exato de suas formas).

No entanto, analisar os modelos anteriores e compreendê-los pode ajudar a entender como funcionam os sistemas atuais de visão computacional. Um exemplo importante é o ResNet-50, um modelo influente que introduziu a ideia de conexões de atalho — caminhos simples que ajudam o modelo a aprender com mais rapidez e precisão.

Essa inovação possibilitou treinar redes neurais muito mais profundas de forma eficaz, levando a melhorias significativas na classificação de imagens e influenciando o projeto de muitos modelos que vieram depois. Neste artigo, vamos explorar o ResNet-50, seu funcionamento e sua relevância na evolução da visão computacional.

O que é ResNet-50?#

O ResNet-50 é um modelo de visão computacional baseado em um tipo de rede neural chamado rede neural convolucional (CNN). As CNNs foram projetadas para ajudar os computadores a entender informações visuais aprendendo padrões em imagens, como bordas, cores ou formas, e usando esses padrões para reconhecer e classificar objetos.

Apresentado em 2015 por pesquisadores da Microsoft Research, o ResNet-50 rapidamente se tornou um dos modelos mais importantes da área graças à sua precisão e eficiência em tarefas de reconhecimento de imagens em grande escala.

Uma característica fundamental do ResNet-50 é o uso de conexões residuais, também conhecidas como conexões de atalho. São caminhos simples que permitem ao modelo pular algumas etapas do processo de aprendizado. Em outras palavras, em vez de obrigar o modelo a passar informações por todas as camadas, esses atalhos permitem que ele leve adiante os detalhes importantes de forma mais direta. Isso torna o aprendizado mais rápido e confiável.

Fig. 1. Visão geral das conexões residuais na arquitetura ResNet.

Esse projeto ajuda a resolver um problema comum no aprendizado profundo, chamado problema do gradiente que desaparece. Em modelos muito profundos, informações importantes podem se perder ao passar por muitas camadas, dificultando o aprendizado do modelo.

As conexões residuais ajudam a evitar isso, mantendo o fluxo de informações claro do início ao fim. É por isso que o modelo se chama ResNet-50: ResNet significa rede residual, e o “50” se refere ao número de camadas usadas para processar uma imagem.

Visão geral do funcionamento do ResNet-50#

O ResNet-50 tem uma estrutura bem organizada que permite ao modelo ser profundo sem perder informações importantes. Ele segue um padrão simples e repetível que mantém a eficiência e, ao mesmo tempo, proporciona um desempenho sólido.

Veja mais de perto como funciona a arquitetura ResNet-50:

• Extração de características básica: O modelo começa aplicando uma operação matemática chamada convolução. Nela, pequenos filtros (chamados kernels) deslizam pela imagem para produzir mapas de características — novas versões da imagem que destacam padrões básicos, como bordas ou texturas. É assim que o modelo começa a identificar informações visuais úteis.
• Aprendizado de características complexas: À medida que os dados percorrem a rede, o tamanho dos mapas de características diminui. Isso é feito por meio de técnicas como pooling ou do uso de filtros com passos maiores (chamados strides). Ao mesmo tempo, a rede cria mais mapas de características, o que a ajuda a capturar padrões cada vez mais complexos, como formas, partes de objetos ou texturas.
• Compactação e expansão de dados: cada bloco gargalo compacta os dados, processa-os e depois os expande novamente. Isso ajuda o modelo a aprender e, ao mesmo tempo, economiza memória.
• Conexões de atalho: São caminhos simples que permitem que as informações avancem sem passar por todas as camadas. Elas tornam o aprendizado mais estável e eficiente.
• Geração de uma previsão: No final da rede, todas as informações aprendidas são combinadas e passam por uma função softmax. O resultado é uma distribuição de probabilidades entre as classes possíveis, indicando a confiança do modelo em cada previsão — por exemplo, 90% gato, 9% cachorro, 1% carro.

Fig. 2. A arquitetura ResNet-50.

Principais características do ResNet-50#

Embora o ResNet-50 tenha sido projetado originalmente para classificação de imagens, seu projeto flexível o tornou útil em muitas áreas da visão computacional. Veja algumas das características que fazem o ResNet-50 se destacar.

Uso do ResNet-50 para classificação de imagens#

O ResNet-50 é usado principalmente para classificação de imagens, cujo objetivo é atribuir um rótulo a uma imagem. Por exemplo, ao receber uma foto, o modelo pode rotulá-la como cachorro, gato ou avião, com base no objeto principal que identifica.

Seu projeto confiável e sua disponibilidade em bibliotecas de aprendizado profundo amplamente usadas, como PyTorch e TensorFlow, fizeram do ResNet-50 uma escolha popular nos primeiros anos para treinar com grandes conjuntos de dados de imagens. Um dos exemplos mais conhecidos é o ImageNet, uma enorme coleção de imagens rotuladas usada para avaliar e comparar modelos de visão computacional.

Embora modelos mais recentes, como o Ultralytics YOLO11, tenham desempenho superior, o ResNet-50 ainda é usado com frequência como referência, graças ao bom equilíbrio entre precisão, velocidade e simplicidade.

Fig. 3. Exemplo de uso do ResNet-50 para classificar um cachorro.

Detecção de objetos com backbones ResNet-50#

Enquanto a classificação de imagens se concentra em identificar o objeto principal de uma imagem, a detecção de objetos vai além, encontrando e rotulando vários objetos na mesma imagem. Por exemplo, em uma imagem de uma rua movimentada, talvez o modelo precise detectar carros, ônibus e pessoas — e determinar onde está cada um.

O ResNet-50 é usado como backbone em alguns desses modelos. Isso significa que ele cuida da primeira parte da tarefa: analisar a imagem e extrair detalhes importantes que descrevem o que há nela e onde está. Esses detalhes são então enviados à parte seguinte do modelo, chamada cabeça de detecção, que toma as decisões finais sobre quais objetos estão na imagem e onde se encontram.

Modelos de detecção populares, como Faster R-CNN e DETR, usam o ResNet-50 nessa etapa de extração de características. Como ele consegue capturar bem tanto os detalhes finos quanto a composição geral de uma imagem, ajuda esses modelos a fazer previsões precisas, mesmo em cenas complexas.

Aprendizado por transferência com ResNet-50#

Outro aspecto interessante do ResNet-50 é sua capacidade de dar suporte ao aprendizado por transferência. Isso significa que o modelo, originalmente treinado em um grande conjunto de dados, como o ImageNet, para classificação de imagens, pode ser adaptado a novas tarefas usando muito menos dados.

Em vez de começar do zero, a maior parte das camadas do modelo é reutilizada; apenas a camada final de classificação é substituída e retreinada para a nova tarefa. Isso economiza tempo e é especialmente útil quando há poucos dados rotulados.

Aplicações de visão computacional do ResNet-50#

A arquitetura do ResNet-50 o tornou útil em uma ampla variedade de aplicações de visão computacional. O modelo foi especialmente importante nos primeiros anos do aprendizado profundo, ajudando a levar a tecnologia de IA de visão da pesquisa ao uso no mundo real. Ao resolver desafios importantes, abriu caminho para os modelos mais avançados que vemos nas aplicações atuais.

Imagens médicas com ResNet-50#

O ResNet-50 foi um dos primeiros modelos usados em imagens médicas baseadas em aprendizado profundo. Pesquisadores o utilizaram para identificar padrões de doenças em radiografias, ressonâncias magnéticas e outros exames de diagnóstico. Por exemplo, ele ajudou a detectar tumores e a classificar imagens da retina de pacientes com diabetes para auxiliar no diagnóstico em oftalmologia.

Embora ferramentas clínicas usem atualmente modelos mais avançados, o ResNet-50 teve um papel fundamental nas primeiras pesquisas de IA médica. Sua facilidade de uso e seu projeto modular fizeram dele uma opção adequada para criar protótipos de sistemas de diagnóstico.

Fig. 4. Detecção de tumor cerebral com base no ResNet-50.

Automação industrial com ResNet-50#

Da mesma forma, o ResNet-50 também foi aplicado em ambientes industriais. Por exemplo, na manufatura, foi usado em pesquisas e sistemas-piloto para detectar defeitos superficiais em materiais, como aço, concreto e peças pintadas.

O modelo também foi testado em configurações para identificar furos, rachaduras ou depósitos que se formam durante a fundição ou a montagem. O ResNet-50 é adequado para essas tarefas porque consegue detectar diferenças sutis na textura da superfície, uma capacidade importante para a inspeção de qualidade.

Embora modelos mais avançados, como o Ultralytics YOLO11, sejam agora usados com frequência em sistemas de produção, o ResNet-50 continua tendo um papel importante na pesquisa acadêmica e na avaliação comparativa, especialmente em tarefas de classificação de imagens.

Fig. 5. Inspeção de superfícies com ResNet-50.

Benefícios e limitações do ResNet-50#

Veja algumas das vantagens do ResNet-50:

• Desempenho sólido como referência: O ResNet-50 oferece uma precisão consistente em uma ampla variedade de tarefas, tornando-se uma referência confiável tanto em pesquisas quanto em projetos aplicados.
• Bem documentada e amplamente estudada: Sua arquitetura é bem compreendida e documentada em detalhes, o que facilita a solução de problemas e o aprendizado para desenvolvedores e pesquisadores.
• Versátil em diferentes áreas: Da área de imagens médicas à manufatura, o ResNet-50 tem sido aplicado com sucesso a diversos problemas do mundo real, comprovando sua flexibilidade.

Enquanto isso, veja uma breve visão geral das limitações do ResNet-50:

• Alto uso de recursos: O ResNet-50 exige mais memória e poder computacional do que os modelos leves, o que pode torná-lo menos adequado para dispositivos móveis ou aplicações em tempo real.
• Sobreajuste em conjuntos de dados pequenos: Devido à sua profundidade e complexidade, o ResNet-50 pode sofrer sobreajuste quando treinado com poucos dados e sem técnicas de regularização adequadas.
• Tamanho de entrada fixo: O ResNet-50 normalmente espera imagens de um tamanho específico, como 224×224 pixels. Por isso, muitas vezes é necessário redimensionar ou recortar as imagens, o que às vezes pode remover detalhes importantes.

Principais conclusões#

O ResNet-50 comprovou que era possível treinar redes muito profundas de forma eficaz e, ainda assim, obter um ótimo desempenho em tarefas visuais. Sua arquitetura ofereceu uma estrutura clara e prática para criar modelos mais profundos que funcionassem de maneira confiável.

Após seu lançamento, pesquisadores expandiram o projeto, criando versões mais profundas, como ResNet-101 e ResNet-152. No geral, o ResNet-50 é um modelo importante que ajudou a moldar a forma como o aprendizado profundo é usado atualmente na visão computacional.

Junta-te à nossa comunidade, que não para de crescer! Explora o nosso repositório do GitHub para saberes mais sobre IA. Queres começar os teus próprios projetos de visão computacional? Consulta as nossas opções de licenciamento. Descobre a IA na agricultura e a IA de visão nos cuidados de saúde nas nossas páginas de soluções!