Vou construir e colocar em produção modelos de visão computacional e linguagem de visão

Transforme seus dados visuais em aplicações de IA prontas para produção. Eu me especializo em visão computacional tradicional (detecção, rastreamento, segmentação) assim como em modelos de visão-linguagem (VLMs) de última geração para raciocínio multimodal, OCR e compreensão de documentos.

Seja para rastreamento em tempo real com YOLO ou um VLM ajustado como uma API de baixa latência, entrego soluções otimizadas de ponta a ponta.

O que eu ofereço:

• Modelos de visão-linguagem (VLMs): ajuste fino e hospedagem do Qwen2.5-VL, Florence-2 e LLaVA para perguntas visuais, IA de documentos e raciocínio zero-shot
• Detecção e rastreamento em tempo real: pipelines personalizados com YOLO (v10/v11), Detectron2 e OpenCV
• Segmentação e OCR: segmentação de instâncias (SAM) e extração de texto de documentos complexos
• Otimização de VRAM e velocidade: quantização de modelos (AWQ, GGUF), conversão para TensorRT e hospedagem com vLLM/vLLM-vision
• API de produção e implantação: endpoints FastAPI, Dockerização e hospedagem serverless com GPU (RunPod, Modal, AWS, Hugging Face)

Frameworks e modelos suportados:

Qwen2.5-VL, Florence-2, YOLO, PyTorch, OpenCV, vLLM, Roboflow, FastAPI, Docker, CUDA/TensorRT.

Por favor, envie uma mensagem antes de fazer seu pedido para discutir seu dataset, orçamentos de VRAM e requisitos de latência alvo!