O que é ResNet-50 e qual é sua relevância na visão computacional?

A análise automatizada de imagens está tornando-se cada vez mais comum em aplicações como detecção de carros em alta velocidade ou análise de imagens médicas. A tecnologia por trás dessas inovações é a computer vision ou inteligência artificial visual. É um ramo da inteligência artificial (AI) que permite às máquinas interpretar e compreender imagens e vídeos, de forma muito semelhante aos humanos.

Para construir tais computer vision solutions, os programadores confiam em modelos de IA visual capazes de aprender a partir de grandes quantidades de dados visuais. Ao longo dos anos, os investigadores desenvolveram modelos mais novos e avançados com um desempenho impressionante em vision AI tasks como classificação de imagens (atribuição de rótulos a imagens), deteção de objetos (localização e identificação de objetos dentro de imagens) e segmentação de instâncias (deteção de objetos e contorno das suas formas exatas).

No entanto, olhar para trás e entender modelos anteriores pode ajudar a compreender como funcionam os sistemas de visão computacional de hoje. Por exemplo, um caso importante é o ResNet-50, um modelo influente que introduziu a ideia de conexões de atalho - caminhos simples que ajudam o modelo a aprender de forma mais rápida e precisa.

Esta inovação tornou possível treinar redes neuronais muito mais profundas de forma eficaz, conduzindo a melhorias significativas na image classification e moldando o design de muitos modelos que se seguiram. Neste artigo, vamos explorar a ResNet-50, como funciona e a sua relevância na evolução da computer vision. Vamos começar!

O que é ResNet-50?#

A ResNet-50 é um modelo de computer vision baseado num tipo de rede neuronal chamado Convolutional Neural Network (CNN). As CNNs são concebidas para ajudar os computadores a compreender informação visual ao aprender padrões em imagens, tais como margens, cores ou formas, e a usar esses padrões para reconhecer e classificar objetos.

Introduzido em 2015 por pesquisadores da Microsoft Research, o ResNet-50 tornou-se rapidamente um dos modelos mais impactantes na área devido à sua precisão e eficiência em tarefas de reconhecimento de imagem em grande escala.

Um recurso chave do ResNet-50 é o seu uso de conexões residuais, também conhecidas como conexões de atalho. Estes são caminhos simples que permitem ao modelo pular algumas etapas no processo de aprendizagem. Em outras palavras, em vez de forçar o modelo a passar informações através de cada camada, esses atalhos permitem que ele leve detalhes importantes adiante de forma mais direta. Isso torna o aprendizado mais rápido e confiável.

Fig 1. Uma vista sobre as ligações residuais na arquitetura ResNet.

Este design ajuda a resolver um problema comum no aprendizado profundo chamado problema do gradiente desaparecente. Em modelos muito profundos, informações importantes podem se perder à medida que se movem através de muitas camadas, tornando difícil para o modelo aprender.

As ligações residuais ajudam a evitar isto, mantendo a informação a fluir claramente do início ao fim. É por isso que o modelo se chama ResNet-50: ResNet significa Residual Network, e o "50" refere-se ao número de camadas que utiliza para processar uma imagem.

Uma visão geral de como o ResNet-50 funciona#

O ResNet-50 possui uma estrutura bem organizada que possibilita ao modelo ir fundo sem perder informações importantes. Ele segue um padrão simples e repetível que mantém a eficiência enquanto permite um alto desempenho.

Aqui está uma visão mais detalhada de como a arquitetura ResNet-50 funciona:

• Basic feature extraction: O modelo começa por aplicar uma operação matemática chamada convolução. Isto envolve deslizar pequenos filtros (chamados kernels) sobre a imagem para produzir mapas de caraterísticas - novas versões da imagem que destacam padrões básicos como margens ou texturas. É assim que o modelo começa a captar informação visual útil.
• Aprendendo características complexas: À medida que os dados se movem pela rede, o tamanho dos mapas de características diminui. Isso é feito por meio de técnicas como pooling ou usando filtros com passos maiores (chamados strides). Ao mesmo tempo, a rede cria mais mapas de características, ajudando-a a capturar padrões cada vez mais complexos, como formas, partes de objetos ou texturas.
• Comprimindo e expandindo dados: Cada estágio comprime os dados, processa-os e depois os expande novamente. Isso ajuda o modelo a aprender enquanto economiza memória.
• Conexões de atalho: Estes são caminhos simples que permitem que a informação avance em vez de passar por todas as camadas. Eles tornam o aprendizado mais estável e eficiente.
• Making a prediction: No final da rede, toda a informação aprendida é combinada e passada através de uma função softmax. Isto gera uma distribuição de probabilidade sobre as classes possíveis, indicando a confiança do modelo em cada previsão — por exemplo, 90% gato, 9% cão, 1% carro.

Fig 2. A arquitetura ResNet-50.

Principais recursos do ResNet-50#

Embora o ResNet-50 tenha sido originalmente projetado para classificação de imagens, seu design flexível tornou-o útil em muitas áreas da visão computacional. Vamos dar uma olhada em alguns dos recursos que fazem o ResNet-50 se destacar.

Usando o ResNet-50 para classificação de imagens#

A ResNet-50 é utilizada principalmente para image classification, onde o objetivo é atribuir um rótulo a uma imagem. Por exemplo, dada uma fotografia, o modelo pode classificá-la como um cão, gato ou avião com base no objeto principal que vê.

O seu design fiável e disponibilidade em bibliotecas de deep learning amplamente utilizadas como PyTorch e TensorFlow tornaram a ResNet-50 uma escolha inicial popular para treino em grandes conjuntos de dados de imagens. Um dos exemplos mais conhecidos é ImageNet, uma enorme coleção de imagens rotuladas utilizada para avaliar e comparar modelos de computer vision.

Embora modelos mais recentes, como Ultralytics YOLO11, tenham um desempenho superior, a ResNet-50 continua a ser comumente usada como referência graças ao seu sólido equilíbrio entre precisão, velocidade e simplicidade.

Fig 3. Um exemplo de utilização da ResNet-50 para classificar um cão.

Detecção de objetos habilitada por backbones ResNet-50#

Embora a classificação de imagens consista em identificar o objeto principal numa imagem, o object detection vai mais além, encontrando e rotulando múltiplos objetos na mesma imagem. Por exemplo, numa imagem de uma rua movimentada, um modelo pode precisar de detetar carros, autocarros e pessoas — e descobrir onde cada um se encontra.

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

Modelos de detecção populares como Faster R-CNN e DETR usam o ResNet-50 para esta etapa de extração de características. Como ele faz um bom trabalho ao capturar tanto detalhes finos quanto o layout geral de uma imagem, ele ajuda esses modelos a fazer predições precisas - mesmo em cenas complexas.

Transfer learning com ResNet-50#

Outro aspeto interessante do modelo ResNet-50 é a sua capacidade de suportar transfer learning. Isto significa que o modelo, originalmente treinado num grande conjunto de dados como o ImageNet para classificação de imagens, pode ser adaptado a novas tarefas com muito menos dados.

Em vez de começar do zero, a maioria das camadas do modelo é reutilizada, e apenas a camada final de classificação é substituída e retreinada para a nova tarefa. Isso economiza tempo e é especialmente útil quando os dados rotulados são limitados.

Aplicações de visão computacional do ResNet-50#

A arquitetura do ResNet-50 tornou-o útil para uma ampla gama de aplicações de visão computacional. Foi especialmente importante nos primeiros dias do aprendizado profundo, ajudando a levar a tecnologia de IA de visão da pesquisa para o uso no mundo real. Ao resolver desafios fundamentais, ele ajudou a pavimentar o caminho para os modelos mais avançados que vemos nas aplicações atuais.

Imagens médicas impulsionadas pelo ResNet-50#

A ResNet-50 foi um dos primeiros modelos utilizados em imagiologia médica baseada em deep learning. Os investigadores têm-na aproveitado para identificar padrões de doenças em raios X, ressonâncias magnéticas e outros exames de diagnóstico. Por exemplo, ajudou a detect tumors e a classificar diabetic retinal images para apoiar o diagnóstico em oftalmologia.

Embora modelos mais avançados sejam usados agora em ferramentas clínicas, o ResNet-50 desempenhou um papel fundamental na pesquisa inicial de IA médica. Sua facilidade de uso e design modular o tornaram uma escolha adequada para criar protótipos de sistemas de diagnóstico.

Fig 4. Deteção de tumores cerebrais com base na ResNet-50.

Automação industrial impulsionada pelo ResNet-50#

Da mesma forma, a ResNet-50 também tem sido aplicada em ambientes industriais. Por exemplo, na fabricação, tem sido usada em sistemas de investigação e piloto para detect surface defects on materials como aço, betão e peças pintadas.

Também foi testado em configurações para identificar buracos de insetos, rachaduras ou depósitos que se formam durante a fundição ou montagem. O ResNet-50 é bem adequado para essas tarefas porque pode identificar diferenças sutis na textura da superfície, uma habilidade importante para inspeção de qualidade.

Embora modelos mais avançados como o Ultralytics YOLO11 sejam agora comumente usados em sistemas de produção, o ResNet-50 ainda desempenha um papel importante na pesquisa acadêmica e em benchmarks, particularmente para tarefas de classificação de imagens.

Fig 5. Inspeção de superfícies utilizando a ResNet-50.

Benefícios e limitações do ResNet-50#

Aqui está uma olhada em algumas das vantagens do ResNet-50:

• Forte desempenho base: O ResNet-50 oferece precisão sólida em uma ampla gama de tarefas, tornando-o uma referência confiável tanto em pesquisas quanto em projetos aplicados.
• Bem documentado e amplamente estudado: Sua arquitetura é bem compreendida e minuciosamente documentada, o que torna a solução de problemas e o aprendizado mais fáceis para desenvolvedores e pesquisadores.
• Versátil entre domínios: De imagens médicas a manufatura, o ResNet-50 foi aplicado com sucesso a uma variedade de problemas do mundo real, provando sua flexibilidade.

Enquanto isso, aqui está um vislumbre das limitações do ResNet-50:

• Alto uso de recursos: O ResNet-50 requer mais memória e poder de computação do que modelos leves, o que pode torná-lo menos adequado para dispositivos móveis ou aplicações em tempo real.
• Overfitting on small datasets: Devido à sua profundidade e complexidade, a ResNet-50 pode sofrer de overfitting quando treinada em dados limitados sem técnicas de regularização adequadas.
• Tamanho de entrada fixo: O ResNet-50 geralmente espera que as imagens tenham um tamanho específico, como 224x224 pixels, portanto, as imagens muitas vezes precisam ser redimensionadas ou cortadas, o que às vezes pode remover detalhes importantes.

Principais pontos#

O ResNet-50 provou que redes muito profundas poderiam ser treinadas de forma eficaz enquanto ainda entregavam um forte desempenho em tarefas visuais. Sua arquitetura ofereceu um framework claro e prático para construir modelos mais profundos que funcionavam de forma confiável.

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

Junte-se à nossa crescente community! Explore o nosso GitHub repository para saber mais sobre IA. Pronto para começar os seus próprios projetos de computer vision? Consulte as nossas licensing options. Descubra AI in agriculture e vision AI in healthcare visitando as nossas páginas de soluções!