Trở thành Kỹ sư thị giác máy tính
Khám phá sức mạnh chuyển đổi của AI thị giác máy tính cùng Ultralytics. Tìm hiểu các ứng dụng trong ngành và học hỏi từ những kỹ sư chuyên gia như Muhammad Rizwan Munawar.
Thị giác máy tính (CV) là một lĩnh vực của trí tuệ nhân tạo, trong đó máy tính được huấn luyện để diễn giải và hiểu thế giới trực quan. Công nghệ này hoạt động khá giống thị giác của con người, nhưng có một vài điểm khác biệt đáng chú ý: con người có cả một đời tích lũy ngữ cảnh để học cách phân biệt các vật thể, xác định khoảng cách đến chúng, nhận biết chúng có đang chuyển động hay không và phát hiện liệu hình ảnh có vấn đề gì hay không.
Công nghệ CV không chỉ giúp máy tính hiển thị hình ảnh mà còn trích xuất thông điệp hoặc mục đích của hình ảnh, chẳng hạn như xác định khoảng cách và chuyển động của các vật thể đang tiến đến. Nhờ những tiến bộ trong trí tuệ nhân tạo cùng các đổi mới về học sâu và mạng nơ-ron, lĩnh vực này đã đạt được những bước tiến lớn trong những năm gần đây và vượt qua con người trong một số tác vụ liên quan đến phát hiện và gán nhãn vật thể.
CV cho phép triển khai các giải pháp trong thực tế cho những ngành như y tế, chẳng hạn, nơi công nghệ này cực kỳ hữu ích cho các triển khai chẩn đoán. Tuy nhiên, tính hữu dụng của CV còn mở rộng đến nhiều ứng dụng khác, chẳng hạn như thể thao, bán lẻ, nông nghiệp, giao thông vận tải, sản xuất và nhiều lĩnh vực khác. Tại Ultralytics, chúng tôi giúp mọi người dễ dàng tiếp cận việc huấn luyện model và machine learning. Mục tiêu của chúng tôi là giúp bạn tận dụng sức mạnh của Trí tuệ nhân tạo mà không phải lo lắng về tất cả các chi tiết kỹ thuật. Qua những nỗ lực của mình, chúng tôi đã chứng kiến cả những học sinh trung học cơ sở bắt đầu huấn luyện model của các em với Ultralytics Platform và YOLOv5.
“Thị giác máy tính là một trong những thành tựu đáng chú ý nhất của thế giới học sâu và trí tuệ nhân tạo. Những tiến bộ mà học sâu mang lại cho lĩnh vực thị giác máy tính đã thực sự tạo nên sự khác biệt cho lĩnh vực này.”
Wayne Thompson, Nhà khoa học dữ liệu tại SAS
Các kỹ sư CV áp dụng nghiên cứu về vision AI và machine learning để giải quyết những vấn đề trong thực tế. Nhìn chung, kỹ sư CV có nhiều kinh nghiệm trong các hệ thống khác nhau, chẳng hạn như nhận dạng hình ảnh, machine learning, edge AI, mạng và truyền thông, học sâu, trí tuệ nhân tạo, điện toán nâng cao, gán nhãn hình ảnh và phân đoạn hình ảnh/video. Vì vậy, không dài dòng thêm nữa, chúng tôi muốn giới thiệu với bạn một kỹ sư thị giác máy tính và chia sẻ kinh nghiệm của anh ấy.
Hãy gặp Muhammad!#
Muhammad Rizwan Munawar là một Kỹ sư Thị giác máy tính. Anh đã hoàn thành bằng cử nhân Khoa học máy tính, với trí tuệ nhân tạo là chuyên ngành, tại COMSATS University Islamabad, cơ sở Wah. Chuyên môn của anh không chỉ giới hạn trong lĩnh vực thị giác, vì anh hiểu rằng các kỹ năng bổ sung có thể giúp mình phát triển và nâng cao sự nghiệp, nên anh cũng có kiến thức về ứng dụng desktop, front-end web và phát triển dashboard trực quan. Hiện tại, anh làm freelancer, phát triển các giải pháp cho nhiều trường hợp sử dụng khác nhau dựa trên nhu cầu của khách hàng.
Bạn đã bắt đầu đến với machine learning và vision AI như thế nào?#
"Đó là một hành trình đầy trở ngại và đòi hỏi sự nỗ lực bền bỉ. Khi mới bắt đầu, tôi thậm chí còn chưa biết đến việc phát hiện vật thể, nhưng tôi chủ yếu tò mò và đam mê vision AI. Khi đang học năm cuối, tôi bắt đầu làm freelancer chỉ để học hỏi các kỹ năng. Đồng thời, tôi cũng bắt đầu học những khái niệm cơ bản về machine learning từ nhiều kênh YouTube khác nhau. Sau 7-8 tháng liên tục làm việc, tôi đã có được hiểu biết khá tốt về vision AI và học sâu, rồi quyết định tiếp tục sự nghiệp chuyên môn trong lĩnh vực CV."
Hãy chia sẻ với chúng tôi về trải nghiệm của bạn với Ultralytics YOLOv5!#
"Tôi đã sử dụng Ultralytics YOLOv5 kể từ khi model này được phát hành, nhưng để phát triển và điều chỉnh phù hợp với các trường hợp sử dụng khác nhau, tôi đã sử dụng YOLOv5 trong 1,5 năm." "Ban đầu, vấn đề tôi giải quyết liên quan đến phát hiện vật thể, nên tôi bắt đầu tìm hiểu các thuật toán khác nhau liên quan đến phát hiện vật thể. Sau một thời gian nghiên cứu, tôi so sánh mAP của các bộ phát hiện vật thể khác nhau và nhận thấy độ chính xác của YOLOv5 trên dataset COCO rất cao khi so với các bộ phát hiện vật thể khác tại thời điểm đó. Vì vậy, tôi đã gán nhãn dữ liệu, rồi fine-tune YOLOv5 trên dữ liệu tùy chỉnh của mình với mục đích phát hiện người." "YOLOv5 rất dễ sử dụng, chỉnh sửa và fine-tune, đồng thời cộng đồng lớn mạnh của model luôn sẵn sàng hỗ trợ khi có người gặp vấn đề. Các bản cập nhật thường xuyên của YOLOv5 giúp tôi ngày càng dễ dàng thực hiện việc phát hiện vật thể một cách rất hiệu quả."
3 lời khuyên của Muhammad dành cho người mới bắt đầu#
- Thường xuyên học các khái niệm mới và duy trì thói quen nhất quán. Muhammad cho rằng tính nhất quán là một trong những yếu tố lớn nhất dẫn đến thành công của anh.
- Hãy luôn suy nghĩ về những ý tưởng mới, dù chúng có ngớ ngẩn cũng không sao! Chúng sẽ giúp bạn suy nghĩ sâu hơn về mọi vấn đề. Hãy thử triển khai các ý tưởng đó ở một mức độ nhất định và ghi lại chúng trong một tài liệu nào đó. Luôn tuân theo chiến lược này.
- Phát triển các dự án liên quan đến CV. Thường xuyên thực hiện các dự án sẽ giúp bạn học hỏi và nuôi dưỡng niềm đam mê với lĩnh vực CV.
Cảm ơn bạn đã đọc về hành trình của Muhammad! Nếu muốn tìm hiểu thêm về công việc của anh ấy, hãy xem trang web của anh ấy. Ngoài ra, để cập nhật những tin tức mới nhất về Ultralytics YOLOv5 và vision AI mà chúng tôi chia sẻ, hãy theo dõi chúng tôi trên Twitter và LinkedIn!
