Ensemble de Modelos

Um conjunto de modelos é uma abordagem estratégica em aprendizagem automática em que as previsões de vários modelos individuais são combinadas para produzir um resultado final que é frequentemente mais preciso e robusto do que qualquer modelo individual poderia alcançar sozinho. Muito semelhante a um comité de especialistas que delibera para chegar a uma decisão melhor do que um único indivíduo, um conjunto de modelos aproveita os pontos fortes de diversas arquiteturas para mitigar erros. Essa técnica é amplamente utilizada para melhorar o desempenho em tarefas complexas, reduzir o risco de sobreajuste e lidar com o compromisso entre viés e variância inerente à modelação estatística .

A mecânica da montagem

O princípio fundamental por trás de um conjunto de modelos é a «diversidade». Ao treinar vários modelos — frequentemente referidos como «aprendizes básicos» ou «aprendizes fracos» — em diferentes subconjuntos de dados de treino ou utilizando diferentes algoritmos, o conjunto garante que os erros cometidos por um modelo sejam provavelmente corrigidos por outros. No contexto da aprendizagem profunda, isso geralmente envolve a execução de várias redes neurais em paralelo durante a inferência.

Os métodos comuns para combinar essas previsões incluem:

• Votação: Utilizada na classificação de imagens, onde a classe selecionada pela maioria dos modelos torna-se a previsão final.
• Média: Frequentemente utilizada em tarefas de regressão, onde os resultados numéricos são calculados em média para suavizar o ruído.
• Fusão ponderada: Na detecção de objetos, técnicas como a Weighted Box Fusion (WBF) mesclam caixas delimitadoras de diferentes detetores com base em pontuações de confiança.

Aplicações no Mundo Real

Os conjuntos de modelos são essenciais em ambientes de alto risco, onde maximizar a precisão é fundamental e os recursos computacionais permitem a execução de vários modelos.

1. Diagnóstico médico: Na análise de imagens médicas, errar um diagnóstico pode ter consequências graves. Os radiologistas costumam usar conjuntos que combinam uma rede neural convolucional (CNN) padrão com um transformador de visão (ViT). A CNN se destaca na análise de textura local, enquanto o ViT captura o contexto global, permitindo que o sistema detect com maior sensibilidade do que qualquer uma das arquiteturas sozinha.
2. Condução autónoma: Os sistemas de perceção em veículos autónomos devem ser à prova de falhas. Os engenheiros frequentemente implementam um conjunto de modelos de deteção — por exemplo, combinando a velocidade em tempo real do YOLO26 com a precisão baseada em transformadores do RT-DETR. Isso garante que pedestres ou obstáculos sejam detectados mesmo que um modelo tenha dificuldade com condições específicas de iluminação, como brilho ou sombras.

Implementando conjuntos com Python

Embora seja possível criar estratégias de conjunto complexas usando bibliotecas como Scikit-learn, você pode criar um conjunto de inferência básico para visão computacional simplesmente carregando vários modelos e processando a mesma entrada. O exemplo a seguir demonstra como carregar dois modelos distintos Ultralytics YOLO para gerar previsões na mesma imagem.

from ultralytics import YOLO

# Load two different model variants to create a diverse ensemble
model_a = YOLO("yolo26n.pt")  # Nano model (Speed focused)
model_b = YOLO("yolo26s.pt")  # Small model (Higher accuracy)

# Perform inference on an image with both models
# In production, results are typically merged programmatically
results_a = model_a("https://ultralytics.com/images/bus.jpg")
results_b = model_b("https://ultralytics.com/images/bus.jpg")

print(f"Model A detected {len(results_a[0].boxes)} objects.")
print(f"Model B detected {len(results_b[0].boxes)} objects.")

Conjunto de modelos vs. mistura de especialistas

É útil diferenciar um conjunto de modelos padrão de uma Mistura de Especialistas (MoE), um termo frequentemente visto na pesquisa moderna de Modelos de Linguagem Grande (LLM).

• Conjunto de modelos: normalmente consulta todos os modelos da coleção para cada entrada e agrega os resultados. Isso maximiza métricas como precisão média (mAP), mas aumenta significativamente a latência de inferência e o custo computacional. É uma abordagem de força bruta para a qualidade.
• Mistura de especialistas: usa uma «rede de gate» para encaminhar dados apenas para alguns submodelos «especialistas» específicos mais adequados para a entrada atual. Isso permite uma escalabilidade massiva em modelos básicos sem a penalidade computacional de executar todos os parâmetros para cada token.

Vantagens e considerações

A principal vantagem de usar um conjunto de modelos é o aumento no desempenho. Os conjuntos frequentemente dominam os rankings em desafios de ciência de dados, como as competições Kaggle, porque podem modelar padrões complexos que os modelos individuais não conseguem captar. No entanto, isso tem um custo: a implementação de conjuntos requer mais memória e poder de computação.

Para equipas que procuram gerir essas demandas de recursos de forma eficiente, a Ultralytics oferece ferramentas para treinar, track e comparar diferentes arquiteturas de modelos. Ao comparar métricas de desempenho facilmente, os programadores podem decidir se o ganho de precisão de um conjunto justifica a infraestrutura extra necessária para a implementação em cenários de IA de ponta.