成为一名计算机视觉工程师
与 Ultralytics 一起探索计算机视觉 AI 的变革力量。了解行业应用并向 Muhammad Rizwan Munawar 等专业工程师学习。
计算机视觉（CV）是人工智能的一个领域，旨在训练计算机去解释和理解视觉世界。这项技术的工作原理与人类视觉非常相似，但有几个显著区别：人类拥有毕生的经验背景来训练如何区分物体、判断距离、辨别运动状态以及判断图像是否存在异常。
CV技术不仅与计算机处理图像的能力有关，还涉及从图像中提取信息或目的，例如确定传入物体的距离和运动情况。得益于人工智能的进步以及深度学习和神经网络的创新，该领域近年来取得了巨大飞跃，并在某些与物体检测和标记相关的任务中已经能够超越人类。
CV为医疗等行业带来了现实世界的解决方案，例如它在诊断实施方面非常有用。然而，CV的实用性也延伸到了体育、零售、农业、交通、制造等众多其他应用中。在Ultralytics，我们致力于让每个人都能轻松使用模型训练和机器学习。我们的目标是帮助你利用人工智能的力量，而无需担心所有的技术细节。通过我们的努力，我们甚至看到初中生也开始使用Ultralytics Platform和YOLOv5来训练自己的模型。
“计算机视觉是深度学习和人工智能领域中最令人瞩目的成果之一。深度学习为计算机视觉领域所带来的进步，真正使该领域脱颖而出。”
Wayne Thompson，SAS数据科学家
CV工程师应用视觉AI和机器学习研究来解决现实问题。CV工程师通常在图像识别、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/视频分割等各个系统中拥有丰富的经验。那么，事不宜迟，让我们为你介绍一位计算机视觉工程师，并分享他的经验。
Link to this section认识一下Muhammad！#
Muhammad Rizwan Munawar是一位计算机视觉工程师。他毕业于伊斯兰堡COMSATS大学Wah校区，获得了计算机科学学士学位，并以人工智能为专业方向。他的专业知识不仅限于视觉领域，因为他知道额外的技能可以帮助他成长并提升职业生涯，因此他还掌握了桌面应用、Web前端开发和吸引人的仪表板开发技能。目前，他作为一名自由职业者，根据客户的需求开发不同用例的解决方案。
Link to this section你是如何进入机器学习和视觉AI领域的？#
“嗯，这是一段充满障碍和持续努力的旅程。当我刚开始的时候，我甚至不知道什么是物体检测，但我主要对视觉AI充满好奇和热情。我在大学最后一年开始做自由职业，只是为了学习技能。与此同时，我也开始从各个YouTube频道学习基本的机器学习概念。经过7-8个月的持续工作，我对视觉AI和深度学习有了很好的理解，并决定在CV领域继续我的职业生涯。”
Link to this section和我们聊聊你使用YOLOv5的经历吧！#
“自YOLOv5发布以来，我就一直在使用它，但为了针对不同用例进行适当的开发和修改，我已经使用了YOLOv5长达1.5年。” “起初，我处理的问题与物体检测有关，所以我开始探索与物体检测相关的不同算法。经过一段时间的研究，我比较了不同物体检测器的mAP，发现YOLOv5在COCO数据集上的准确率相较于当时的其它检测器非常高。因此，我标注了我的数据，并针对我的自定义数据对YOLOv5进行了微调，目的是检测人群。” “YOLOv5非常易于使用、修改和微调，而且它庞大的社区随时可以帮助遇到问题的人。YOLOv5的定期更新使我能够更高效地进行日常的物体检测。”
Link to this sectionMuhammad给初学者的3个建议#
- 定期学习新概念并保持规律的作息。Muhammad将坚持不懈视为他成功的最重要因素之一。
- 不断思考新点子，即使它们看起来很傻也没关系！它们会帮助你深入思考事物。尝试在一定程度上实现这些想法，并把它们记录在文档中。始终遵循这一策略。
- 开发与CV相关的项目。定期参与项目将帮助你学习并培养对CV领域的热情。
感谢阅读关于Muhammad的成长历程！如果你想了解更多他的工作，请查看他的网站。此外，为了在你分享最新的YOLOv5和视觉AI新闻时保持同步，请在Twitter和LinkedIn上关注我们！
