Espinha dorsal

Funcionalidade principal

Uma espinha dorsal típica é constituída por uma sequência de camadas, incluindo normalmente camadas convolucionais, camadas de agrupamento (que reduzem as dimensões espaciais) e funções de ativação (que introduzem a não linearidade). À medida que os dados de entrada passam por estas camadas, a rede aprende progressivamente caraterísticas hierárquicas. As camadas iniciais podem detetar elementos simples, como arestas e cantos, enquanto as camadas mais profundas combinam estas caraterísticas mais simples para reconhecer estruturas mais complexas, partes de objectos e, eventualmente, objectos inteiros. O resultado gerado pela espinha dorsal é um conjunto de mapas de caraterísticas de alto nível que resumem a informação crucial da entrada original. Este processo reduz efetivamente a dimensionalidade dos dados, preservando o seu significado semântico, formando a base de muitos modelos de aprendizagem profunda bem sucedidos.

Papel nos modelos de visão computacional

Nos modelos sofisticados de visão por computador concebidos para tarefas como a deteção de objectos, a segmentação de instâncias ou a estimativa de pose, a espinha dorsal fornece a representação essencial das caraterísticas. Os componentes subsequentes, frequentemente designados por "pescoço" (que refina e agrega caraterísticas) e "cabeça" (que efectua a previsão final da tarefa), baseiam-se nas caraterísticas extraídas pela espinha dorsal. Por exemplo, uma cabeça de deteção utiliza estas caraterísticas refinadas para prever as caixas delimitadoras dos objectos detectados e as suas classes correspondentes. A espinha dorsal é distinta destas fases posteriores; o seu único objetivo é gerar uma representação de caraterísticas poderosa, muitas vezes de uso geral, a partir dos dados de entrada. Uma prática comum é utilizar backbones pré-treinados em conjuntos de dados de grande escala, como o ImageNet, e depois afiná-los para tarefas específicas a jusante utilizando a aprendizagem por transferência, acelerando significativamente o processo de formação.

Arquitecturas de backbone comuns

Várias arquitecturas de redes neuronais bem estabelecidas são frequentemente utilizadas como backbones devido à sua eficácia comprovada na extração de caraterísticas:

• ResNet (Redes Residuais): Introduziu ligações residuais para permitir o treino de redes muito mais profundas, resolvendo o problema do gradiente de desaparecimento.(Artigo: arXiv:1512.03385).
• VGG: Conhecido pela sua arquitetura simples e uniforme que utiliza pequenos filtros convolucionais (3x3).(Artigo: arXiv:1409.1556).
• MobileNet: Concebida para aplicações de visão móveis e incorporadas, centrada na eficiência e na baixa latência.(Artigo: arXiv:1704.04861).
• EfficientNet: Usa um método de escalonamento composto para escalonar uniformemente a profundidade, a largura e a resolução da rede para uma eficiência ideal.(Artigo: arXiv:1905.11946).
• Transformadores de visão (ViT): Aplica a arquitetura Transformer, originalmente bem-sucedida em NLP, diretamente a sequências de manchas de imagem.(Artigo: arXiv:2010.11929).
• CSPDarknet: Uma variante da Darknet que incorpora redes Cross Stage Partial, utilizada eficazmente em modelos como Ultralytics YOLOv5 e versões posteriores, equilibrando velocidade e precisão.

A escolha da espinha dorsal tem um impacto significativo nas caraterísticas de desempenho de um modelo, incluindo a velocidade, o custo computacional(FLOPs) e a exatidão, tal como salientado em várias comparações de modelos. Estruturas como PyTorch e TensorFlowjuntamente com bibliotecas como a OpenCV, são ferramentas essenciais para implementar e utilizar estes backbones. Plataformas como o Ultralytics HUB simplificam ainda mais o processo de utilização de modelos com diferentes backbones.

Distinguir Backbone de termos relacionados

É importante não confundir o backbone com toda a rede neural ou outros componentes específicos:

• Toda a rede neural: O backbone é apenas uma parte, normalmente a parte inicial de extração de caraterísticas, de uma arquitetura de rede maior. A rede completa também inclui o pescoço e a(s) cabeça(s) responsáveis pelas previsões específicas da tarefa.
• Cabeça de deteção: Esta é a parte final de um modelo de deteção de objectos que pega em caraterísticas (frequentemente processadas pela espinha dorsal e pelo pescoço) e produz coordenadas de caixa delimitadora e probabilidades de classe. É específica da tarefa, ao contrário da espinha dorsal, que tem uma finalidade mais geral.
• Extrator de caraterísticas: Embora a espinha dorsal seja um extrator de caraterísticas, o termo "extrator de caraterísticas" pode por vezes referir-se a qualquer parte de uma rede que extraia caraterísticas, ou mesmo a algoritmos de extração de caraterísticas autónomos fora da aprendizagem profunda (como SIFT ou HOG). No contexto das arquitecturas modernas de aprendizagem profunda, como o Ultralytics YOLOa "espinha dorsal" refere-se especificamente à base convolucional inicial.

Aplicações no mundo real

Os backbones são componentes fundamentais em inúmeras aplicações de IA:

1. Condução autónoma: Os sistemas em carros autónomos dependem fortemente de backbones robustos (por exemplo, variantes ResNet ou EfficientNet) para processar a entrada de câmaras e sensores LiDAR. Os recursos extraídos permitem a deteção e a classificação de veículos, pedestres, semáforos e linhas de pista, o que é crucial para a navegação segura e a tomada de decisões, como visto em sistemas desenvolvidos por empresas como a Waymo.
2. Análise de imagens médicas: Nas soluções de IA para os cuidados de saúde, os backbones são utilizados para analisar exames médicos como raios X, TACs ou ressonâncias magnéticas. Por exemplo, um backbone como o DenseNet pode extrair caraterísticas de uma radiografia de tórax para ajudar a detetar sinais de pneumonia ou de uma tomografia computadorizada para identificar possíveis tumores(pesquisa relevante em Radiologia: IA). Isto ajuda os radiologistas no diagnóstico e no planeamento do tratamento. Modelos Ultralytics como o YOLO11 podem ser adaptados a tarefas como a deteção de tumores, tirando partido de poderosos backbones.