Как стать инженером по компьютерному зрению

Компьютерное зрение (CV) — это область искусственного интеллекта, в которой компьютеры обучаются интерпретировать и понимать визуальный мир. Эта технология во многом похожа на человеческое зрение, но есть несколько заметных отличий: у людей есть целая жизнь опыта, который помогает им учиться различать объекты, определять расстояние до них, понимать, движутся ли они, и замечать, если с изображением что-то не так.

Компьютерное зрение позволяет компьютерам не просто отображать изображения, но и извлекать из них смысл или назначение, например определять расстояние до приближающихся объектов и направление их движения. Благодаря развитию искусственного интеллекта, глубокого обучения и нейронных сетей за последние годы эта область сделала большой шаг вперёд и в некоторых задачах обнаружения и классификации объектов уже превзошла человека.

CV помогает внедрять решения в самых разных отраслях, например в медицине, где оно чрезвычайно полезно для постановки диагнозов. Однако компьютерное зрение применяется и во многих других сферах: спорте, розничной торговле, сельском хозяйстве, транспорте, производстве и не только. В Ultralytics мы делаем обучение моделей и машинное обучение доступными для всех. Наша цель — помочь тебе использовать возможности искусственного интеллекта, не беспокоясь о технических деталях. Благодаря нашей работе даже ученики средней школы начали обучать собственные модели с помощью Ultralytics Platform и YOLOv5.

«Компьютерное зрение — одно из самых удивительных достижений в области глубокого обучения и искусственного интеллекта. Прогресс, достигнутый благодаря глубокому обучению в сфере компьютерного зрения, действительно выделил эту область среди других».

Уэйн Томпсон, специалист по данным в SAS

Инженеры по компьютерному зрению применяют ИИ для компьютерного зрения и исследования в области машинного обучения, чтобы решать реальные задачи. Обычно такие инженеры имеют значительный опыт работы с различными системами и технологиями, например распознаванием изображений, машинным обучением, периферийным ИИ, сетями и коммуникациями, глубоким обучением, искусственным интеллектом, высокопроизводительными вычислениями, разметкой изображений, наукой о данных и сегментацией изображений и видео. Итак, давай познакомимся с инженером по компьютерному зрению и узнаем о его опыте.

Знакомься, Мухаммад!#

Мухаммад Ризван Мунавар — инженер по компьютерному зрению. Он получил степень бакалавра компьютерных наук со специализацией в области искусственного интеллекта в кампусе Вах Университета COMSATS в Исламабаде. Его компетенции не ограничиваются компьютерным зрением: он знает, что дополнительные навыки помогают развиваться и продвигаться по карьерной лестнице, поэтому также занимается настольными приложениями, фронтенд-разработкой и созданием привлекательных панелей мониторинга. Сейчас он работает фрилансером и разрабатывает решения для разных задач с учётом потребностей клиентов.

Как ты пришёл в машинное обучение и ИИ для компьютерного зрения?#

«Это был путь, полный трудностей, который потребовал постоянной усердной работы. Когда я начинал, я даже не знал об обнаружении объектов, но меня особенно интересовал и увлекал ИИ для компьютерного зрения. На последнем курсе я начал брать заказы на фрилансе, чтобы освоить необходимые навыки. Параллельно я изучал основы машинного обучения по различным каналам на YouTube. После 7–8 месяцев постоянной работы я хорошо разобрался в ИИ для компьютерного зрения и глубоком обучении и решил продолжить профессиональную карьеру в области компьютерного зрения».

Расскажи о своём опыте работы с Ultralytics YOLOv5!#

«Я пользуюсь Ultralytics YOLOv5 с момента её выпуска, но для полноценной разработки и адаптации под разные задачи применяю YOLOv5 уже полтора года». «Изначально я решал задачу обнаружения объектов, поэтому начал изучать разные алгоритмы для обнаружения объектов. Проведя некоторое время за исследованиями, я сравнил mAP разных детекторов объектов и понял, что на тот момент точность YOLOv5 на наборе данных COCO была очень высокой по сравнению с другими детекторами. Поэтому я разметил свои данные и дообучил YOLOv5 на собственном наборе данных, чтобы обнаруживать людей». «YOLOv5 очень легко использовать, изменять и дообучать, а большое сообщество всегда готово помочь, если возникнет проблема. Регулярные обновления YOLOv5 день за днём упрощают для меня эффективное обнаружение объектов».

Три совета Мухаммада начинающим#

1. Регулярно изучай новые концепции и придерживайся постоянного распорядка. Мухаммад считает постоянство одним из важнейших факторов своего успеха.
2. Всегда обдумывай новые идеи — неважно, насколько глупыми они кажутся! Они помогут глубже осмыслить разные вещи. Попробуй довести эти идеи до определённого уровня реализации и запиши их в документ. Всегда придерживайся этой стратегии.
3. Работай над проектами в области компьютерного зрения. Регулярная работа над проектами поможет тебе учиться и увлечься этой областью.

Спасибо, что прочитал историю Мухаммада! Если хочешь узнать больше о его работе, загляни в его блог на Medium. А чтобы быть в курсе последних новостей Ultralytics YOLOv5 и ИИ в области компьютерного зрения, подписывайся на нас в Twitter и LinkedIn!