Computer-Vision-Ingenieur werden

Maschinelles Sehen (CV) ist ein Teilgebiet der künstlichen Intelligenz, bei dem Computer darauf trainiert werden, die visuelle Welt zu interpretieren und zu verstehen. Die Technologie funktioniert ähnlich wie das menschliche Sehen, weist aber einige bemerkenswerte Unterschiede auf: Menschen verfügen über einen lebenslang erworbenen Erfahrungsschatz, der ihnen hilft, Objekte zu unterscheiden, ihre Entfernung einzuschätzen, zu erkennen, ob sie sich bewegen, und festzustellen, ob mit einem Bild etwas nicht stimmt.

Bei der Technologie des maschinellen Sehens geht es nicht nur darum, dass Computer Bilder darstellen können, sondern auch darum, die Aussage oder den Zweck eines Bildes zu erfassen, etwa Entfernungen und Bewegungen sich nähernder Objekte zu bestimmen. Dank Fortschritten in der künstlichen Intelligenz sowie Innovationen im Bereich des Deep Learning und neuronaler Netze hat das Gebiet in den vergangenen Jahren große Fortschritte gemacht und den Menschen bei einigen Aufgaben im Zusammenhang mit der Erkennung und Kennzeichnung von Objekten übertroffen.

CV ermöglicht Lösungen für reale Probleme in Branchen wie dem Gesundheitswesen, wo es beispielsweise für Diagnoselösungen äußerst nützlich ist. Der Nutzen von CV erstreckt sich jedoch auch auf zahlreiche andere Anwendungsbereiche, etwa Sport, Einzelhandel, Landwirtschaft, Transport, Fertigung und viele mehr. Bei Ultralytics machen wir das Trainieren von Modellen und maschinelles Lernen für alle zugänglich. Unser Ziel ist es, dir zu helfen, die Möglichkeiten der künstlichen Intelligenz zu nutzen, ohne dir Gedanken über all die technischen Details machen zu müssen. Durch unsere Arbeit haben wir erlebt, wie sogar Schülerinnen und Schüler der Mittelstufe mit dem Training eigener Modelle auf der Ultralytics Platform und mit YOLOv5 begonnen haben.

„Maschinelles Sehen gehört zu den bemerkenswertesten Entwicklungen aus der Welt des Deep Learning und der künstlichen Intelligenz. Die Fortschritte, die das Deep Learning zum Bereich des maschinellen Sehens beigetragen hat, haben dieses Gebiet wirklich von anderen abgehoben.“

Wayne Thompson, Datenwissenschaftler bei SAS

Ingenieurinnen und Ingenieure für maschinelles Sehen wenden Forschung zu visueller KI und maschinellem Lernen an, um reale Probleme zu lösen. Sie verfügen im Allgemeinen über umfassende Erfahrung mit verschiedenen Systemen, etwa Bilderkennung, maschinellem Lernen, Edge-KI, Netzwerk- und Kommunikationstechnik, Deep Learning, künstlicher Intelligenz, Hochleistungsrechnern, Bildannotation, Datenwissenschaft sowie der Segmentierung von Bildern und Videos. Ohne weitere Umschweife möchten wir dir daher einen Ingenieur für maschinelles Sehen vorstellen und seine Erfahrungen mit dir teilen.

Lerne Muhammad kennen!#

Muhammad Rizwan Munawar ist Ingenieur für maschinelles Sehen. Er hat an der COMSATS University Islamabad, Campus Wah, einen Bachelorabschluss in Informatik mit künstlicher Intelligenz als Spezialisierung erworben. Seine Fachkenntnisse beschränken sich nicht auf den Bereich des maschinellen Sehens, denn er weiß, dass zusätzliche Fähigkeiten ihm helfen können, sich weiterzuentwickeln und seine berufliche Laufbahn voranzubringen. Daher verfügt er auch über Kenntnisse in der Entwicklung von Desktopanwendungen, Web-Frontends und ansprechenden Dashboards. Derzeit arbeitet er als freiberuflicher Entwickler und entwickelt auf Grundlage der Anforderungen seiner Kunden Lösungen für verschiedene Anwendungsfälle.

Wie bist du zum maschinellen Lernen und zur visuellen KI gekommen?#

„Nun, es war eine Reise voller Hürden und beständiger harter Arbeit. Als ich anfing, wusste ich nicht einmal, was Objekterkennung ist, aber ich war vor allem neugierig auf visuelle KI und davon begeistert. Ich war im letzten Studienjahr, als ich mit der freiberuflichen Arbeit begann, einfach um mir die nötigen Fähigkeiten anzueignen. Parallel dazu begann ich, anhand verschiedener YouTube-Kanäle die Grundlagen des maschinellen Lernens zu lernen. Nachdem ich sieben bis acht Monate lang kontinuierlich gearbeitet hatte, entwickelte ich ein gutes Verständnis für visuelle KI und Deep Learning und beschloss, meine berufliche Laufbahn im Bereich CV fortzusetzen.“

Erzähl uns von deinen Erfahrungen mit Ultralytics YOLOv5!#

„Ich verwende Ultralytics YOLOv5, seit es veröffentlicht wurde, aber für die ordnungsgemäße Entwicklung und Anpassung an verschiedene Anwendungsfälle nutze ich YOLOv5 seit 1,5 Jahren.“ „Anfangs beschäftigte ich mich mit einem Problem im Bereich der Objekterkennung, daher begann ich, verschiedene Algorithmen für die Objekterkennung zu untersuchen. Nach einiger Recherche verglich ich den mAP verschiedener Objekterkennungsmodelle und stellte fest, dass die Genauigkeit von YOLOv5 auf dem COCO-Datensatz im Vergleich zu anderen Objekterkennungsmodellen zu dieser Zeit sehr hoch war. Also beschriftete ich meine Daten und optimierte YOLOv5 anhand meiner benutzerdefinierten Daten, um Personen zu erkennen.“ „YOLOv5 lässt sich sehr einfach verwenden, anpassen und feinabstimmen, und die große Community steht jederzeit zur Verfügung, um bei Problemen zu helfen. Die regelmäßigen Aktualisierungen von YOLOv5 machen es mir von Tag zu Tag leichter, die Objekterkennung sehr effizient durchzuführen.“

Muhammads 3 Tipps für Anfänger#

1. Lerne regelmäßig neue Konzepte und gestalte deinen Alltag konsequent. Muhammad führt seine Beständigkeit als einen der wichtigsten Faktoren für seinen Erfolg an.
2. Denke weiter über neue Ideen nach – es spielt keine Rolle, ob sie dumm sind! Sie helfen dir, Dinge gründlich zu durchdenken. Versuche, diese Ideen zumindest teilweise umzusetzen, und halte sie in einem Dokument fest. Befolge diese Strategie immer.
3. Entwickle Projekte im Bereich CV. Die regelmäßige Arbeit an Projekten hilft dir, Neues zu lernen und eine Leidenschaft für den Bereich CV zu entwickeln.

Danke, dass du Muhammads Geschichte gelesen hast! Wenn du mehr über seine Arbeit erfahren möchtest, besuche seine Website. Und wenn du über die neuesten Nachrichten zu Ultralytics YOLOv5 und visueller KI auf dem Laufenden bleiben möchtest, folge uns auf Twitter und LinkedIn!