Como tornar-se engenheiro de visão computacional

A visão computacional (CV) é uma área da inteligência artificial que treina computadores para interpretar e compreender o mundo visual. A tecnologia funciona de forma muito semelhante à visão humana, mas com algumas diferenças importantes: os seres humanos têm toda uma vida de contexto para aprender a distinguir objetos, perceber a que distância estão, determinar se estão em movimento e identificar se há algo errado com uma imagem.

A tecnologia de CV está relacionada não só com a capacidade dos computadores de visualizar imagens, mas também com a extração da mensagem ou finalidade de uma imagem, como determinar distâncias e movimentos de objetos que se aproximam. Graças aos avanços na inteligência artificial e às inovações em deep learning e redes neuronais, esta área deu grandes saltos nos últimos anos e conseguiu superar os seres humanos em algumas tarefas relacionadas com a deteção e classificação de objetos.

A CV permite criar soluções para o mundo real em setores como o setor médico, por exemplo, onde é extremamente útil para implementações de diagnóstico. No entanto, a utilidade da CV também se estende a inúmeras outras aplicações, como desporto, comércio a retalho, agricultura, transportes, indústria transformadora e muito mais. Na Ultralytics, tornamos o treino de modelos e a aprendizagem automática acessíveis a todos. O nosso objetivo é ajudar-te a tirar partido do poder da inteligência artificial sem teres de te preocupar com todos os detalhes técnicos. Graças aos nossos esforços, vimos até alunos do ensino básico começar a treinar os seus modelos com a Ultralytics Platform e o YOLOv5.

“A visão computacional é uma das coisas mais notáveis que surgiram no mundo do deep learning e da inteligência artificial. Os avanços que o deep learning trouxe para a área da visão computacional realmente distinguiram esta área.”

Wayne Thompson, cientista de dados da SAS

Os engenheiros de CV aplicam investigação em IA de visão e aprendizagem automática para resolver problemas do mundo real. Em geral, os engenheiros de CV têm uma experiência significativa com vários sistemas, como reconhecimento de imagens, aprendizagem automática, IA de edge, redes e comunicação, deep learning, inteligência artificial, computação avançada, anotação de imagens, ciência de dados e segmentação de imagens/vídeos. Por isso, sem mais demoras, gostaríamos de te apresentar um engenheiro de visão computacional e partilhar a sua experiência.

Conhece o Muhammad!#

Muhammad Rizwan Munawar é engenheiro de visão computacional. Concluiu a licenciatura em Ciência da Computação, com especialização em Inteligência Artificial, na COMSATS University Islamabad, campus de Wah. A sua experiência não se limita à área da visão, pois sabe que competências adicionais podem ajudá-lo a crescer e a progredir na carreira; por isso, também tem conhecimentos de aplicações para computador, desenvolvimento de front-end web e criação de dashboards apelativos. Atualmente, trabalha como freelancer, desenvolvendo soluções para diferentes casos de utilização com base nas necessidades dos seus clientes.

Como começaste a trabalhar com aprendizagem automática e IA de visão?#

"Bem, tem sido uma jornada de obstáculos e trabalho árduo consistente. Quando comecei, nem sequer tinha conhecimento da deteção de objetos, mas tinha curiosidade e paixão sobretudo pela IA de visão. Estava no último ano dos meus estudos quando comecei a trabalhar como freelancer, apenas para aprender as competências necessárias. Em paralelo, também comecei a aprender conceitos básicos de aprendizagem automática através de vários canais do YouTube. Depois de passar 7-8 meses a trabalhar consistentemente, desenvolvi uma boa compreensão da IA de visão e do deep learning e decidi continuar a minha carreira profissional na área da CV."

Fala-nos da tua experiência com o Ultralytics YOLOv5!#

"Uso o Ultralytics YOLOv5 desde o seu lançamento, mas, para um desenvolvimento e uma modificação adequados a diferentes casos de utilização, tenho usado o YOLOv5 há 1,5 anos." "Inicialmente, o problema com que estava a lidar estava relacionado com a deteção de objetos, por isso comecei a explorar diferentes algoritmos relacionados com a deteção de objetos. Depois de algum tempo de investigação, comparei o mAP de diferentes detetores de objetos e percebi que a precisão do YOLOv5 no conjunto de dados COCO era muito elevada quando comparada com a de outros detetores de objetos na altura. Assim, etiquetei os meus dados e ajustei o YOLOv5 aos meus dados personalizados, com o objetivo de detetar pessoas." "O YOLOv5 é muito fácil de utilizar, modificar e ajustar, e a sua enorme comunidade está sempre disponível para ajudar quando alguém encontra um problema. As atualizações regulares do YOLOv5 facilitam-me, dia após dia, a realização da deteção de objetos de forma muito eficiente."

As 3 dicas do Muhammad para principiantes#

1. Aprende regularmente novos conceitos e mantém uma rotina consistente. Muhammad atribui à consistência um dos maiores fatores do seu sucesso.
2. Continua a pensar em novas ideias, não importa se são estúpidas! Elas vão ajudar-te a pensar profundamente sobre as coisas. Tenta implementar essas ideias até determinado nível e escreve-as num documento. Segue sempre esta estratégia.
3. Desenvolve projetos relacionados com CV. Trabalhar regularmente em projetos vai ajudar-te a aprender e a desenvolver uma paixão pela área da CV.

Obrigado por leres sobre a jornada do Muhammad! Se quiseres saber mais sobre o trabalho dele, consulta o seu site. E, para te manteres a par das notícias mais recentes sobre o Ultralytics YOLOv5 e a IA de visão que partilhamos contigo, segue-nos no Twitter e no LinkedIn!