Как стать инженером по компьютерному зрению

Компьютерное зрение (CV) — это область искусственного интеллекта, которая обучает компьютеры интерпретировать и понимать визуальный мир. Эта технология работает во многом как человеческое зрение, но с некоторыми заметными различиями: у людей есть жизненный опыт, чтобы научиться различать объекты, определять, как далеко они находятся, движутся ли они и есть ли что-то не так с изображением.

Технология CV связана с тем, что компьютеры могут не только визуализировать изображения, но и извлекать сообщение или цель изображения, например, определять расстояния и движения входящих объектов. Благодаря достижениям в области искусственного интеллекта и инновациям в глубоком обучении и нейронных сетях, эта область смогла совершить большие скачки в последние годы и смогла превзойти людей в некоторых задачах, связанных с обнаружением и маркировкой объектов.

CV позволяет реализовать реальные решения в таких отраслях, как, например, медицинская промышленность, где он чрезвычайно полезен для диагностики. Однако возможности CV распространяются и на другие сферы, такие как спорт, розничная торговля, сельское хозяйство, транспорт, производство и многое другое. В Ultralytics мы делаем обучающие модели и машинное обучение доступными для всех. Наша цель - помочь вам воспользоваться возможностями искусственного интеллекта, не заботясь обо всех технических деталях. Благодаря нашим усилиям даже школьники начинают обучение своих моделей с помощью Ultralytics HUB и YOLOv5.

“Компьютерное зрение — одно из самых замечательных достижений в мире глубокого обучения и искусственного интеллекта. Прогресс, которого глубокое обучение достигло в области компьютерного зрения, действительно выделил эту область.”

Уэйн Томпсон, специалист по данным SAS

Инженеры CV применяют исследования в области vision AI и машинного обучения для решения реальных задач. Инженеры CV обычно имеют значительный опыт работы с различными системами, такими как распознавание изображений, машинное обучение, edge AI, сети и коммуникации, глубокое обучение, искусственный интеллект, продвинутые вычисления, аннотация изображений, наука о данных и сегментация изображений/видео. Итак, без лишних слов, мы хотели бы представить вам инженера по компьютерному зрению и поделиться его опытом.

Встречайте Мухаммада!

Мухаммад Ризван Мунавар — инженер по компьютерному зрению. Он получил степень бакалавра в области компьютерных наук со специализацией в области искусственного интеллекта в Университете COMSATS в Исламабаде, кампус Вах. Его опыт не ограничивается областью машинного зрения, потому что он знает, что дополнительные навыки могут помочь ему расти и повышать уровень своей карьеры, поэтому он также обладает знаниями в области настольных приложений, внешнего интерфейса веб-сайтов и разработки привлекательных информационных панелей. В настоящее время он работает фрилансером, разрабатывая решения для различных вариантов использования на основе потребностей своих клиентов.

Как вы пришли к машинному обучению и компьютерному зрению?

"Это был путь, полный препятствий и постоянной усердной работы. Когда я начинал, я даже не знал об обнаружении объектов, но мне было любопытно, и я был увлечен, главным образом, vision AI. Я был на последнем курсе учебы, когда начал работать фрилансером, просто чтобы приобрести навыки. Параллельно я также начал изучать основные концепции машинного обучения из различных YouTube-каналов. После 7-8 месяцев последовательной работы я хорошо разобрался в vision AI и глубоком обучении и решил продолжить свою профессиональную карьеру в области CV".

Расскажите нам о своем опыте использования YOLOv5!

"Я использую YOLOv5 с момента его выхода, но для правильного развития и модификации в соответствии с различными сценариями использования я использую YOLOv5 уже 1,5 года". "Изначально проблема, с которой я столкнулся, была связана с обнаружением объектов, поэтому я начал изучать различные алгоритмы, связанные с обнаружением объектов. Потратив некоторое время на исследования, я сравнил карты для различных детекторов объектов и понял, что точность YOLOv5 на наборе данных coco очень высока по сравнению с другими детекторами объектов на тот момент. Поэтому я разметил свои данные и настроил YOLOv5 на своих собственных данных с целью обнаружения людейYOLOv5 очень прост в использовании, модификации и настройке, а его огромное сообщество всегда готово помочь, если кто-то столкнется с проблемой. Регулярные обновления YOLOv5 позволяют мне с каждым днем все легче и легче выполнять обнаружение объектов очень эффективным способом".    

3 совета от Мухаммада для начинающих

1. Регулярно изучайте новые концепции и сделайте свою рутину последовательной. Мухаммад считает последовательность одним из самых важных факторов своего успеха.
2. Продолжайте думать о новых идеях, неважно, насколько они глупы! Они помогут вам глубже задуматься о вещах. Попробуйте реализовать эти идеи на определенном уровне и запишите их в каком-нибудь документе. Всегда следуйте этой стратегии.
3. Разрабатывайте проекты, связанные с CV. Регулярная работа над проектами поможет вам учиться и развивать интерес к области CV.

Спасибо, что прочитали о путешествии Мухаммада! Если вы хотите узнать больше о его работе, зайдите на его сайт. А чтобы быть в курсе последних новостей YOLOv5 и vision AI, следите за нами в Twitter и Linkedin!