Wie man ein Computer Vision Engineer wird

Computer Vision (CV) ist ein Bereich der künstlichen Intelligenz, der Computer trainiert, die visuelle Welt zu interpretieren und zu verstehen. Die Technologie funktioniert ähnlich wie das menschliche Sehen, aber mit einigen bemerkenswerten Unterschieden: Menschen haben ein Leben lang Kontext, um zu lernen, wie man Objekte unterscheidet, wie weit sie entfernt sind, ob sie sich bewegen und ob mit einem Bild etwas nicht stimmt.

Die CV-Technologie bezieht sich darauf, dass Computer nicht nur in der Lage sind, Bilder zu visualisieren, sondern auch die Botschaft oder den Zweck eines Bildes zu extrahieren, z. B. die Bestimmung von Entfernungen und Bewegungen ankommender Objekte. Dank der Fortschritte in der künstlichen Intelligenz und der Innovationen in den Bereichen Deep Learning und neuronale Netze konnte das Gebiet in den letzten Jahren große Sprünge machen und den Menschen bei einigen Aufgaben im Zusammenhang mit der Erkennung und Kennzeichnung von Objekten übertreffen.

CV ermöglicht reale Lösungen für Branchen wie die Medizin, wo sie beispielsweise für Diagnoseimplementierungen äußerst nützlich ist. Der Nutzen von CV erstreckt sich jedoch auch auf zahlreiche andere Anwendungen wie Sport, Einzelhandel, Landwirtschaft, Transport, Fertigung und mehr. Bei Ultralytics machen wir das Training von Modellen und maschinelles Lernen für jeden zugänglich. Unser Ziel ist es, Ihnen zu helfen, die Leistungsfähigkeit der künstlichen Intelligenz zu nutzen, ohne sich um all die technischen Details kümmern zu müssen. Aufgrund unserer Bemühungen haben wir gesehen, dass sogar Mittelschüler mit dem Training ihrer Modelle mit Ultralytics HUB und YOLOv5 beginnen.

“Computer Vision ist eine der bemerkenswertesten Entwicklungen im Bereich Deep Learning und künstlicher Intelligenz. Die Fortschritte, die Deep Learning zum Bereich Computer Vision beigetragen hat, haben diesen Bereich wirklich hervorgehoben.”

Wayne Thompson, SAS Data Scientist

CV-Ingenieure wenden Vision AI und Forschung im Bereich des maschinellen Lernens an, um reale Probleme zu lösen. CV-Ingenieure verfügen in der Regel über umfangreiche Erfahrungen mit verschiedenen Systemen wie Bilderkennung, maschinelles Lernen, Edge AI, Vernetzung und Kommunikation, Deep Learning, künstliche Intelligenz, Advanced Computing, Bildannotation, Data Science und Bild-/Videosegmentierung. Daher möchten wir Ihnen ohne weiteres einen Computer Vision-Ingenieur vorstellen und seine Erfahrungen mitteilen.

Wir stellen vor: Muhammad!

Muhammad Rizwan Munawar ist ein Computer Vision Engineer. Er hat seinen Bachelor in Informatik mit Spezialisierung auf künstliche Intelligenz an der COMSATS University Islamabad, Wah Campus, abgeschlossen. Seine Expertise beschränkt sich nicht nur auf den Bereich Vision, denn er weiß, dass zusätzliche Fähigkeiten ihm helfen können, sich weiterzuentwickeln und seine Karriere voranzutreiben, daher verfügt er auch über Kenntnisse in den Bereichen Desktop-Anwendungen, Web-Frontend und attraktive Dashboard-Entwicklung. Derzeit arbeitet er als Freelancer und entwickelt Lösungen für verschiedene Anwendungsfälle, die auf den Bedürfnissen seiner Kunden basieren.

Wie sind Sie zu Machine Learning und Vision AI gekommen?

"Nun, es war eine Reise voller Hürden und konsequenter harter Arbeit. Als ich anfing, war ich mir der Objekterkennung nicht einmal bewusst, aber ich war neugierig und leidenschaftlich, hauptsächlich in Bezug auf Vision AI. Ich war im letzten Jahr meines Studiums, als ich anfing zu freelancen, nur um die Fähigkeiten zu erlernen. Parallel dazu begann ich auch, grundlegende Konzepte des maschinellen Lernens aus verschiedenen YouTube-Kanälen zu lernen. Nachdem ich 7-8 Monate lang konsequent gearbeitet hatte, entwickelte ich ein gutes Verständnis für Vision AI und Deep Learning und beschloss, meine berufliche Karriere im CV-Bereich fortzusetzen."

Erzählen Sie uns von Ihren Erfahrungen mit YOLOv5!

"Ich verwende YOLOv5 seit seiner Veröffentlichung, aber für die ordnungsgemäße Entwicklung und Modifizierung gemäß verschiedenen Anwendungsfällen verwende ich YOLOv5 seit 1,5 Jahren.""Anfangs hatte ich ein Problem mit der Objekterkennung, also begann ich, verschiedene Algorithmen im Zusammenhang mit der Objekterkennung zu erforschen. Nach einiger Recherche 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 diesem Zeitpunkt sehr hoch ist. Also habe ich meine Daten beschriftet 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 zur Verfügung, um zu helfen, wenn jemand auf ein Problem stößt. Die regelmäßigen Updates von YOLOv5 erleichtern mir die Objekterkennung Tag für Tag auf sehr effiziente Weise."    

Muhammads 3 Tipps für Anfänger

1. Lerne regelmäßig neue Konzepte und gestalte deine Routine konsistent. Muhammad führt Konsistenz als einen der größten Faktoren für seinen Erfolg an.
2. Denken Sie immer wieder über neue Ideen nach, es spielt keine Rolle, ob sie dumm sind! Sie werden Ihnen helfen, über die Dinge eingehend nachzudenken. Versuchen Sie, diese Ideen bis zu einem gewissen Grad umzusetzen und schreiben Sie sie in einem Dokument auf. Verfolgen Sie immer diese Strategie.
3. Entwickeln Sie Projekte im Bereich CV. Regelmäßiges Arbeiten an Projekten wird Ihnen helfen, zu lernen und eine Leidenschaft für den Bereich CV zu entwickeln.

Vielen Dank, dass Sie mehr über Muhammads Reise erfahren haben! Wenn Sie mehr über seine Arbeit erfahren möchten, besuchen Sie seine Website. Und um auf dem Laufenden zu bleiben, während wir die neuesten YOLOv5- und Vision-KI-Nachrichten mit Ihnen teilen, folgen Sie uns auf Twitter und LinkedIn!