成为计算机视觉工程师

计算机视觉（CV）是人工智能的一个领域，通过训练计算机来解读和理解视觉世界。这项技术的工作方式与人类视觉十分相似，但也有一些显著差异：人类拥有一生积累的背景知识，能够据此学习如何区分物体、判断物体距离、识别物体是否在移动，以及发现图像中是否存在异常。

CV 技术不仅让计算机能够查看图像，还能提取图像所表达的信息或意图，例如判断迎面而来物体的距离和运动状态。得益于人工智能的发展，以及深度学习和神经网络领域的创新，该领域近年来取得了巨大进步，并在一些与物体检测和标注相关的任务中超越了人类。

CV 为各行各业带来了现实应用，例如医疗行业，在辅助诊断方面尤其有用。不过，CV 还广泛应用于体育、零售、农业、交通运输、制造业等领域。在 Ultralytics，我们让每个人都能轻松训练模型并使用机器学习。我们的目标是帮助你充分利用人工智能的强大能力，无需担心所有技术细节。通过我们的努力，我们看到连初中生都能开始使用 Ultralytics Platform 和 YOLOv5 训练自己的模型。

“计算机视觉是深度学习和人工智能领域最令人瞩目的成果之一。深度学习为计算机视觉领域带来的进步，真正让这个领域脱颖而出。”

Wayne Thompson，SAS 数据科学家

CV 工程师将视觉 AI 和机器学习研究应用于解决现实问题。CV 工程师通常在多种系统方面拥有丰富经验，例如图像识别、机器学习、边缘 AI、网络与通信、深度学习、人工智能、高性能计算、图像标注、数据科学，以及图像和视频分割。那么，接下来就让我们认识一位计算机视觉工程师，听听他的经历。

认识 Muhammad！#

Muhammad Rizwan Munawar 是一名计算机视觉工程师。他毕业于伊斯兰堡 COMSATS 大学 Wah 校区，获得计算机科学学士学位，并以人工智能为专业方向。他的专长并不局限于视觉领域，因为他知道掌握额外技能有助于成长并提升职业发展，因此他还熟悉桌面应用、Web 前端和美观的仪表盘开发。目前，他以自由职业者的身份，根据客户需求为不同使用场景开发解决方案。

你是如何进入机器学习和视觉 AI 领域的？#

“这一路充满坎坷，也离不开持续的努力。刚开始时，我甚至不了解目标检测，但我对视觉 AI 充满好奇和热情。大学最后一年时，我开始接自由职业项目，只为学习相关技能。与此同时，我也开始通过各种 YouTube 频道学习机器学习基础知识。持续投入 7-8 个月后，我对视觉 AI 和深度学习有了不错的理解，于是决定继续在 CV 领域发展职业生涯。”

谈谈你使用 Ultralytics YOLOv5 的经历吧！#

“Ultralytics YOLOv5 发布后我就开始使用，但为了针对不同使用场景进行适当开发和修改，我已经使用 YOLOv5 1.5 年了。”“最初，我要解决的问题与目标检测有关，因此开始探索不同的目标检测算法。经过一段时间的研究后，我比较了不同目标检测器的 mAP，发现当时 YOLOv5 在 COCO 数据集上的准确率远高于其他目标检测器。因此，我标注了自己的数据，并在自定义数据上微调 YOLOv5，以实现人员检测。”“YOLOv5 非常容易使用、修改和微调，而且它拥有庞大的社区，遇到问题时总有人愿意帮忙。YOLOv5 定期更新，让我每天都能更轻松、高效地进行目标检测。”

Muhammad 给新手的 3 条建议#

1. 定期学习新知识，并保持规律的学习习惯。Muhammad 认为，坚持是他取得成功的最大因素之一。
2. 不断思考新点子，哪怕它们看起来很蠢也没关系！这些点子会帮助你深入思考。试着把这些想法推进到一定程度，并记录在文档中。始终坚持这个做法。
3. 开发与 CV 相关的项目。定期动手做项目有助于你学习，并培养对 CV 领域的热情。

感谢你阅读 Muhammad 的经历！如果你想进一步了解他的工作，可以访问他的网站。想及时了解我们分享的最新 Ultralytics YOLOv5 和视觉 AI 新闻，请关注我们的 Twitter 和 LinkedIn！