Ein Computer Vision Ingenieur werden

Computer Vision (CV) ist ein Bereich der künstlichen Intelligenz, der Computer darauf trainiert, die visuelle Welt zu interpretieren und zu verstehen. Die Technologie funktioniert weitgehend wie das menschliche Sehen, weist jedoch einige bemerkenswerte Unterschiede auf: Menschen verfügen über einen lebenslangen Erfahrungsschatz, um zu lernen, wie man Objekte unterscheidet, wie weit sie entfernt sind, ob sie sich bewegen und ob bei einem Bild etwas nicht stimmt.

CV-Technologie bezieht sich nicht nur darauf, dass Computer Bilder visualisieren können, sondern auch darauf, die Botschaft oder den Zweck eines Bildes zu extrahieren, etwa durch die Bestimmung von Entfernungen und Bewegungen ankommender Objekte. Dank Fortschritten in der künstlichen Intelligenz sowie Innovationen im Bereich Deep Learning und neuronaler Netze konnte das Feld in den letzten Jahren große Sprünge machen und den Menschen bei einigen Aufgaben in Bezug auf die Erkennung und Kennzeichnung von Objekten sogar übertreffen.

CV ermöglicht reale Lösungen für Branchen wie die medizinische Industrie, wo sie beispielsweise für Diagnoseimplementierungen äußerst nützlich ist. Der Nutzen von CV erstreckt sich jedoch auch auf zahlreiche andere Anwendungen, wie Sport, Einzelhandel, Landwirtschaft, Transportwesen, Fertigung und mehr. Bei Ultralytics machen wir das Training von Modellen und maschinelles Lernen für jeden zugänglich. Unser Ziel ist es, dir dabei zu helfen, die Kraft der künstlichen Intelligenz zu nutzen, ohne dich um all die technischen Details sorgen zu müssen. Durch unsere Bemühungen haben wir gesehen, wie selbst Schüler der Mittelstufe mit dem Training ihrer Modelle mittels Ultralytics Platform und YOLOv5 begonnen haben.

„Computer Vision ist eines der bemerkenswertesten Dinge, die aus der Welt des Deep Learning und der künstlichen Intelligenz hervorgegangen sind. Die Fortschritte, die das Deep Learning zum Bereich Computer Vision beigetragen hat, haben dieses Feld wirklich ausgezeichnet.“

Wayne Thompson, SAS Data Scientist

CV-Ingenieure wenden Vision-KI- und Machine-Learning-Forschung an, um reale Probleme zu lösen. CV-Ingenieure verfügen im Allgemeinen über eine beträchtliche Menge an Erfahrung mit verschiedenen Systemen, wie Bilderkennung, maschinellem Lernen, Edge AI, Vernetzung und Kommunikation, Deep Learning, künstlicher Intelligenz, fortgeschrittener Datenverarbeitung, Bildannotation, Data Science sowie Bild-/Videosegmentierung. Ohne weitere Umschweife möchten wir dir also einen Computer-Vision-Ingenieur vorstellen und seine Erfahrungen teilen.

Link to this sectionLerne Muhammad kennen!#

Muhammad Rizwan Munawar ist ein Computer-Vision-Ingenieur. Er hat seinen Bachelor in Informatik mit Spezialisierung auf künstliche Intelligenz an der COMSATS University Islamabad, Campus Wah, abgeschlossen. Sein Fachwissen beschränkt sich nicht nur auf den Vision-Bereich, denn er weiß, dass zusätzliche Fähigkeiten ihm helfen können, seine Karriere auszubauen und voranzutreiben. Daher verfügt er auch über Kenntnisse in der Entwicklung von Desktop-Anwendungen, Web-Front-Ends und attraktiven Dashboards. Derzeit arbeitet er als Freiberufler und entwickelt Lösungen für verschiedene Anwendungsfälle basierend auf den Bedürfnissen seiner Kunden.

Link to this sectionWie bist du zum maschinellen Lernen und zur Vision-KI gekommen?#

„Nun, es war eine Reise voller Hürden und konsequenter harter Arbeit. Als ich anfing, war mir Objekt-Erkennung nicht einmal ein Begriff, aber ich war neugierig und leidenschaftlich, vor allem für Vision-KI. Ich war in meinem letzten Studienjahr, als ich mit dem Freelancing begann, nur um die Fähigkeiten zu erlernen. Parallel dazu fing ich an, grundlegende Konzepte des maschinellen Lernens über verschiedene YouTube-Kanäle zu lernen. Nachdem ich 7-8 Monate konsequent gearbeitet hatte, entwickelte ich ein gutes Verständnis für Vision-KI und Deep Learning und beschloss, meine berufliche Laufbahn im CV-Bereich fortzusetzen.“

Link to this sectionErzähl uns von deiner Erfahrung mit YOLOv5!#

„Ich benutze YOLOv5 seit es veröffentlicht wurde, aber für eine ordnungsgemäße Entwicklung und Modifikation gemäß verschiedener Anwendungsfälle nutze ich YOLOv5 seit 1,5 Jahren.“ „Anfangs hatte ich ein Problem, das mit Objekt-Erkennung zu tun hatte, also begann ich, verschiedene Algorithmen zur Objekt-Erkennung zu erforschen. Nachdem ich einige Zeit mit der Recherche verbracht hatte, verglich ich die mAP für verschiedene Objektdetektoren und stellte fest, dass die Genauigkeit von YOLOv5 auf dem COCO Datensatz im Vergleich zu anderen Objektdetektoren zu dieser Zeit sehr hoch ist. Also habe ich meine Daten annotiert und YOLOv5 auf meinen benutzerdefinierten Daten feinabgestimmt, mit dem Ziel, Personen zu erkennen.“ „YOLOv5 ist sehr einfach zu bedienen, zu modifizieren und feinabzustimmen, und seine riesige Community steht immer bereit, um zu helfen, falls jemand auf ein Problem stößt. Die regelmäßigen Updates von YOLOv5 erleichtern mir Tag für Tag die Durchführung der Objekt-Erkennung auf eine sehr effiziente Weise.“

Link to this sectionMuhammads 3 Tipps für Anfänger#

1. Lerne regelmäßig neue Konzepte und gestalte deine Routine beständig. Muhammad nennt Beständigkeit als einen der größten Faktoren für seinen Erfolg.
2. Denke immer über neue Ideen nach, es ist egal, ob sie dumm sind! Sie werden dir helfen, Dinge tiefer zu durchdenken. Versuche, diese Ideen bis zu einem gewissen Grad umzusetzen und schreibe sie in einem Dokument auf. Befolge immer diese Strategie.
3. Entwickle Projekte mit Bezug zu CV. Die regelmäßige Arbeit an Projekten wird dir helfen zu lernen und eine Leidenschaft für den Bereich CV in deinem Kopf zu entwickeln.

Danke, dass du Muhammads Reise verfolgt hast! Wenn du mehr über seine Arbeit erfahren möchtest, sieh dir seine Website an. Und um auf dem Laufenden zu bleiben, während wir die neuesten YOLOv5 und Vision-KI-Nachrichten mit dir teilen, folge uns auf Twitter und LinkedIn!