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释和理解视觉世界。这项技术的工作方式与人类视觉非常相似，但也存在一些显著差异：人类拥有一生积累的上下文经验，可以据此判断如何区分物体、物体距离多远、物体是否在移动，以及图像是否存在问题。

CV 技术不仅涉及计算机能否将图像可视化，还涉及提取图像所传达的信息或意图，例如确定接近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，并且在一些与物体检测和标注相关的任务中已经超越了人类。

CV 为医疗行业等领域提供了现实世界的解决方案，例如，它对诊断实施方案极为有用。不过，CV 的用途还延伸到许多其他应用领域，例如体育、零售、农业、交通运输、制造业等。在 Ultralytics，我们让每个人都能轻松训练模型和使用机器学习。我们的目标是帮助你发挥人工智能的力量，而不必担心所有技术细节。通过我们的努力，我们看到甚至中学生也开始使用 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引人瞩目的成果之一。深度学习为计算机视觉领域带来的进步，确实让这一领域脱颖而出。”

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世界的问题。CV 工程师通常在各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、高级计算、图像标注、数据科学以及图像/视频分割。因此，闲话少说，下面让我们认识一位计算机视觉工程师，了解他的经历。

认识一下 Muhammad！#

Muhammad Rizwan Munawar 是一名计算机视觉工程师。他在伊斯兰堡 COMSATS 大学 Wah 校区完成了计算机科学学士学位，并将人工智能作为专业方向。他的专长并不局限于视觉领域，因为他知道额外的技能可以帮助自己成长并提升职业水平，因此他还掌握桌面应用、Web 前端和吸引人的仪表板开发。目前，他是一名自由职业者，根据客户需求为不同用例开发解决方案。

你是如何进入机器学习和视觉 AI 领域的？#

“这是一段充满困难和持续努力的旅程。刚开始时，我甚至不了解物体检测，但我主要对视觉 AI 充满好奇和热情。我在学习的最后一年开始做自由职业，只是为了学习相关技能。与此同时，我还开始通过各种 YouTube 频道学习基本的机器学习概念。经过 7-8 个月持续不断的努力，我对视觉 AI 和深度学习有了很好的理解，并决定在 CV 领域继续自己的职业生涯。”

请告诉我们你使用 Ultralytics YOLOv5 的经历！#

“YOLOv5 发布后我就一直在使用 Ultralytics YOLOv5，但为了根据不同用例进行适当的开发和修改，我已经使用 YOLOv5 1.5 年了。”“起初，我要处理的问题与物体检测有关，因此我开始探索各种物体检测算法。经过一段时间的研究后，我比较了不同物体检测器的 mAP，并意识到，与当时的其他物体检测器相比，YOLOv5 在 COCO 数据集上的准确率非常高。因此，我标注了自己的数据，并在自定义数据上对 YOLOv5 进行了微调，目的是检测人员。”“YOLOv5 非常易于使用、修改和微调，其庞大的社区也总能在有人遇到问题时提供帮助。YOLOv5 的定期更新让我能够日益轻松地以非常高效的方式进行物体检测。”

Muhammad 给初学者的 3 条建议#

1. 定期学习新概念，并保持日常习惯的一致性。Muhammad 认为，坚持是他成功的最大因素之一。
2. 不断思考新的想法，不要在意它们是否愚蠢！这些想法会帮助你深入思考问题。尝试将这些想法实现到一定程度，并把它们记录在某个文档中。始终遵循这一策略。
3. 开发与 CV 相关的项目。定期开展项目将帮助你学习，并在心中培养对 CV 领域的热爱。

感谢你阅读 Muhammad 的经历！如果你想进一步了解他的工作，请查看他的网站。此外，如果你想及时了解我们分享的最新 Ultralytics YOLOv5 和视觉 AI 新闻，请在 Twitter 和 LinkedIn 上关注我们！