Diventare ingegnere di visione artificiale

La computer vision (CV) è un campo dell'intelligenza artificiale che addestra i computer a interpretare e comprendere il mondo visivo. La tecnologia funziona in modo molto simile alla vista umana, ma con alcune notevoli differenze: gli esseri umani hanno a disposizione una vita di contesti per addestrarsi a distinguere gli oggetti, a capire quanto sono lontani, se si stanno muovendo e se c'è qualcosa di sbagliato in un'immagine.

Grazie ai progressi dell'intelligenza artificiale e alle innovazioni nel campo dell'apprendimento profondo e delle reti neurali, negli ultimi anni questo campo ha fatto passi da gigante ed è stato in grado di superare gli esseri umani in alcuni compiti legati al rilevamento e all'etichettatura degli oggetti.

Il CV offre soluzioni reali a settori quali l'industria medica, ad esempio, dove è estremamente utile per le implementazioni di diagnosi. Tuttavia, l'utilità del CV si estende anche a numerose altre applicazioni, come lo sport, la vendita al dettaglio, l'agricoltura, i trasporti, la produzione e altro ancora. In Ultralytics, rendiamo i modelli di formazione e l'apprendimento automatico accessibili a tutti. Il nostro obiettivo è quello di aiutarvi a sfruttare la potenza dell'intelligenza artificiale senza dovervi preoccupare di tutti i dettagli tecnici. Abbiamo visto che anche i ragazzi delle scuole medie hanno iniziato ad addestrare i loro modelli con Ultralytics HUB e YOLOv5.

"La visione computerizzata è una delle cose più notevoli emerse dal mondo dell'apprendimento profondo e dell'intelligenza artificiale. I progressi che l'apprendimento profondo ha apportato al campo della visione artificiale lo hanno davvero distinto".

Wayne Thompson, scienziato dei dati SAS

Gli ingegneri CV applicano la ricerca sull'IA della visione e sull'apprendimento automatico per risolvere i problemi del mondo reale. In genere, gli ingegneri di visione hanno una notevole esperienza in vari sistemi, come il riconoscimento delle immagini, l'apprendimento automatico, l'IA perimetrale, le reti e le comunicazioni, l'apprendimento profondo, l'intelligenza artificiale, l'informatica avanzata, l'annotazione delle immagini, la scienza dei dati e la segmentazione di immagini/video.

Incontrare Maometto!

Muhammad Rizwan Munawar è un ingegnere di computer vision. Ha conseguito la laurea in Informatica con specializzazione in Intelligenza Artificiale presso l'Università COMSATS di Islamabad, Wah Campus. Le sue competenze non si limitano all'area della visione, perché sa che ulteriori abilità possono aiutarlo a crescere e a migliorare la sua carriera, quindi conosce anche le applicazioni desktop, il front-end web e lo sviluppo di dashboard attraenti. Attualmente lavora come freelance sviluppando soluzioni per diversi casi d'uso in base alle esigenze dei clienti.

Come è arrivato all'apprendimento automatico e alla vision AI?

"È stato un viaggio fatto di ostacoli e di duro lavoro. Quando ho iniziato, non conoscevo nemmeno il rilevamento degli oggetti, ma ero curioso e appassionato soprattutto di IA visiva. Ero all'ultimo anno di studi quando ho iniziato a lavorare come freelance, solo per apprendere le competenze. Parallelamente, ho iniziato a imparare i concetti di base dell'apprendimento automatico da vari canali YouTube. Dopo 7-8 mesi di lavoro costante, ho sviluppato una buona comprensione dell'IA di visione e dell'apprendimento profondo e ho deciso di continuare la mia carriera professionale nel campo dei CV."

Raccontateci la vostra esperienza con YOLOv5!

"Uso YOLOv5 da quando è stato rilasciato, ma per il corretto sviluppo e la modifica in base ai diversi casi d'uso, ho usato YOLOv5 per 1,5 anni". "Inizialmente, il problema che stavo affrontando riguardava il rilevamento degli oggetti, quindi ho iniziato a esplorare diversi algoritmi relativi al rilevamento degli oggetti. Dopo aver dedicato un po' di tempo alla ricerca, ho confrontato la mappa di diversi rilevatori di oggetti e mi sono reso conto che l'accuratezza di YOLOv5 sul set di dati coco è molto elevata rispetto ad altri rilevatori di oggetti dell'epoca. Ho quindi etichettato i miei dati e ho messo a punto YOLOv5 sui miei dati personalizzati, con l'obiettivo di rilevare le persone. "YOLOv5 è molto facile da usare, modificare e mettere a punto e la sua vasta comunità è sempre disponibile ad aiutare chi incontra un problema. Gli aggiornamenti regolari di YOLOv5 mi forniscono giorno per giorno la facilità di effettuare il rilevamento di oggetti in modo molto efficiente".