Diventare un Computer Vision Engineer

La computer vision (CV) è un campo dell'intelligenza artificiale che addestra i computer a interpretare e comprendere il mondo visivo. La tecnologia funziona in modo molto simile alla vista umana, ma con alcune notevoli differenze: gli esseri umani hanno una vita intera di contesto per imparare a distinguere gli oggetti, quanto sono lontani, se si stanno muovendo e se c'è qualcosa di sbagliato in un'immagine.

La tecnologia CV permette ai computer non solo di visualizzare le immagini, ma anche di estrarre il messaggio o lo scopo di un'immagine, come determinare le distanze e i movimenti degli oggetti in arrivo. Grazie ai progressi nell'intelligenza artificiale e alle innovazioni nel deep learning e nelle reti neurali, il settore ha compiuto grandi progressi negli ultimi anni ed è stato in grado di superare gli esseri umani in alcune attività relative al rilevamento e all'etichettatura degli oggetti.

La CV consente soluzioni reali per settori come quello medico, ad esempio, dove è estremamente utile per le implementazioni diagnostiche. Tuttavia, l'utilità della CV si estende anche a numerose altre applicazioni, come sport, vendita al dettaglio, agricoltura, trasporti, produzione e altro ancora. In Ultralytics, rendiamo l'addestramento dei modelli e il machine learning accessibili a tutti. Il nostro obiettivo è aiutarti a sfruttare la potenza dell'intelligenza artificiale senza doverti preoccupare di tutti i dettagli tecnici. Grazie ai nostri sforzi, abbiamo visto anche studenti delle scuole medie iniziare ad addestrare i propri modelli con Ultralytics HUB e YOLOv5.

"La computer vision è una delle cose più straordinarie uscite dal mondo del deep learning e dell'intelligenza artificiale. I progressi che il deep learning ha apportato al campo della computer vision hanno davvero distinto questo campo."

Wayne Thompson, Data Scientist di SAS

Gli ingegneri CV applicano la vision AI e la ricerca sul machine learning per risolvere problemi del mondo reale. Gli ingegneri CV generalmente hanno una notevole esperienza con vari sistemi, come il riconoscimento delle immagini, il machine learning, l'edge AI, il networking e la comunicazione, il deep learning, l'intelligenza artificiale, il calcolo avanzato, l'annotazione delle immagini, la data science e la segmentazione di immagini/video. Quindi, senza ulteriori indugi, vorremmo presentarvi un ingegnere di computer vision e condividere la sua esperienza.

Incontra Muhammad!

Muhammad Rizwan Munawar è un Computer Vision Engineer. Ha conseguito la laurea triennale in Informatica con specializzazione in Intelligenza Artificiale presso la COMSATS University Islamabad, Wah Campus. La sua esperienza non si limita all'area della vision, perché sa che competenze extra possono aiutarlo a crescere e a far progredire la sua carriera, quindi ha anche conoscenza di applicazioni desktop, front-end web e sviluppo di dashboard accattivanti. Attualmente, lavora come freelance sviluppando soluzioni per diversi casi d'uso in base alle esigenze dei suoi clienti.

Come ti sei avvicinato al machine learning e alla vision AI?

"Beh, è stato un viaggio di ostacoli e duro lavoro costante. Quando ho iniziato, non ero nemmeno a conoscenza dell'object detection, ma ero curioso e appassionato soprattutto di vision AI. Ero all'ultimo anno dei miei studi, quando ho iniziato a fare il freelance, solo per imparare le competenze. Parallelamente, ho anche iniziato a imparare i concetti di base del machine learning da vari canali di YouTube. Dopo aver trascorso 7-8 mesi a lavorare costantemente, ho sviluppato una buona comprensione della vision AI e del deep learning e ho deciso di continuare la mia carriera professionale nel campo della CV."

Raccontaci la tua esperienza con YOLOv5!

"Utilizzo YOLOv5 da quando è stato rilasciato, ma per lo sviluppo e la modifica adeguati in base ai diversi casi d'uso, utilizzo YOLOv5 da 1 anno e mezzo." "Inizialmente, il problema che stavo affrontando era relativo all'object detection, quindi ho iniziato a esplorare diversi algoritmi relativi all'object detection. Dopo aver dedicato un po' di tempo alla ricerca, ho confrontato la map per diversi object detector e mi sono reso conto che la precisione di YOLOv5 sul dataset coco è molto alta rispetto ad altri object detector dell'epoca. Quindi, ho etichettato i miei dati e ho messo a punto YOLOv5 sui miei dati personalizzati, con lo scopo di rilevare le persone." YOLOv5 è molto facile da usare, modificare e mettere a punto e la sua vasta community è sempre disponibile per aiutare se qualcuno incontra un problema. I regolari aggiornamenti di YOLOv5 mi forniscono una facilità quotidiana per fare l'object detection in modo molto efficiente."    

I 3 consigli di Muhammad per i principianti

1. Impara regolarmente nuovi concetti e rendi la tua routine coerente. Muhammad attribuisce la coerenza come uno dei maggiori fattori del suo successo.
2. Continua a pensare a nuove idee, non importa se sono stupide! Ti aiuteranno a pensare alle cose in profondità. Cerca di implementare queste idee per un certo livello e scrivile in un documento. Segui sempre questa strategia.
3. Sviluppa progetti relativi alla CV. Lavorare regolarmente su progetti ti aiuterà a imparare e a sviluppare una passione nella tua mente per il campo della CV.

Grazie per aver letto la storia di Muhammad! Se desideri saperne di più sul suo lavoro, visita il suo sito web. E per rimanere aggiornato sulle ultime novità riguardanti YOLOv5 e l'AI per la visione artificiale, seguici su Twitter e LinkedIn!