Cómo convertirse en ingeniero de visión por ordenador

La visión por ordenador (VC) es un campo de la inteligencia artificial que capacita a los ordenadores para interpretar y comprender el mundo visual. La tecnología funciona de forma muy parecida a la vista humana, pero con algunas diferencias notables: los humanos tienen toda una vida de contexto para entrenar cómo distinguir objetos, a qué distancia están, si se mueven y si hay algo mal en una imagen.

La tecnología CV se refiere a que los ordenadores no solo son capaces de visualizar imágenes, sino también de extraer el mensaje o propósito de una imagen, como determinar distancias y movimientos de objetos entrantes.Gracias a los avances en inteligencia artificial y las innovaciones en aprendizaje profundo y redes neuronales, este campo ha podido dar grandes saltos en los últimos años y ha sido capaz de superar a los humanos en algunas tareas relacionadas con la detección y etiquetado de objetos.

La CV ofrece soluciones reales a sectores como el médico, por ejemplo, donde resulta extremadamente útil para aplicaciones de diagnóstico. Sin embargo, la utilidad de CV también se extiende a otras numerosas aplicaciones, como los deportes, el comercio minorista, la agricultura, el transporte o la fabricación, entre otras. En Ultralytics, ponemos los modelos de entrenamiento y el aprendizaje automático al alcance de todos. Nuestro objetivo es ayudarle a aprovechar el poder de la Inteligencia Artificial sin tener que preocuparse de todos los detalles técnicos. Gracias a nuestros esfuerzos, hemos visto incluso a estudiantes de secundaria iniciarse en el entrenamiento de sus modelos con Ultralytics HUB y YOLOv5.

"La visión por ordenador es una de las cosas más notables que han surgido del mundo del aprendizaje profundo y la inteligencia artificial. Los avances que el aprendizaje profundo ha aportado al campo de la visión por ordenador realmente han diferenciado este campo."

Wayne Thompson, científico de datos de SAS

Los ingenieros de CV aplican la investigación en IA de visión y aprendizaje automático para resolver problemas del mundo real. Por lo general, los ingenieros de CV tienen una cantidad significativa de experiencia con diversos sistemas, como el reconocimiento de imágenes, el aprendizaje automático, la IA de borde, la creación de redes y la comunicación, el aprendizaje profundo, la inteligencia artificial, la computación avanzada, la anotación de imágenes, la ciencia de datos y la segmentación de imágenes/vídeos.Así que, sin más preámbulos, nos gustaría presentarle a un ingeniero de visión por ordenador y compartir su experiencia.

¡Conoce a Muhammad!

Muhammad Rizwan Munawar es Ingeniero en Visión por Ordenador. Ha completado su licenciatura en Ciencias de la Computación con Inteligencia Artificial como campo de especialización en la Universidad COMSATS Islamabad, Campus Wah. Su experiencia no se limita al área de visión, porque sabe que las habilidades adicionales pueden ayudarle a crecer y subir de nivel en su carrera, por lo que también tiene conocimientos de aplicaciones de escritorio, web front-end, y el desarrollo de tableros de instrumentos atractivos. Actualmente, trabaja como freelance desarrollando soluciones para diferentes casos de uso basados en las necesidades de sus clientes.

¿Cómo se introdujo en el aprendizaje automático y la inteligencia artificial?

"Ha sido un viaje de obstáculos y trabajo duro y constante. Cuando empecé, ni siquiera conocía la detección de objetos, pero sentía curiosidad y me apasionaba sobre todo la IA de visión. Estaba en el último año de carrera cuando empecé a trabajar por mi cuenta para adquirir conocimientos. Paralelamente, también empecé a aprender conceptos básicos de aprendizaje automático en varios canales de YouTube. Después de pasar 7-8 meses trabajando constantemente, desarrollé una buena comprensión de la IA de visión y el aprendizaje profundo y decidí continuar mi carrera profesional en el campo del CV."

¡Cuéntanos tu experiencia con YOLOv5!

"Llevo utilizando YOLOv5 desde que salió al mercado, pero para su correcto desarrollo y modificación en función de los distintos casos de uso, he estado utilizando YOLOv5 durante 1,5 años""Al principio, el problema que se me planteaba estaba relacionado con la detección de objetos, así que empecé a explorar distintos algoritmos relacionados con la detección de objetos. Después de dedicar algún tiempo a la investigación, comparé el mapa de diferentes detectores de objetos y me di cuenta de que la precisión de YOLOv5 en el conjunto de datos coco es muy alta en comparación con otros detectores de objetos de la época. YOLOv5 es muy fácil de usar, modificar y ajustar, y su enorme comunidad está siempre disponible para ayudar si alguien se encuentra con un problema. Las actualizaciones periódicas de YOLOv5 me facilitan día a día la detección de objetos de una forma muy eficaz."