Vou treinar e implementar modelos personalizados de detecção de objetos yolo em tempo real

Algumas informações foram traduzidas automaticamente.

Paquistão

Eu falo Urdu, Inglês

Engenheiro de Visão Computacional, YOLO e Implantação em Tempo Real

Engenheiro de Visão Computacional especializado em detecção de objetos com YOLO, implantação em tempo real e auditoria de qualidade de datasets. Eu crio pipelines em PyTorch, OpenCV, YOLO e TensorRT,...
Sobre este Serviço

Eu treino modelos de detecção YOLO que funcionam bem mesmo após serem implantados.


A maioria dos trabalhos de detecção parece forte no relatório, mas se degrada na produção. A causa mais comum é uma divisão de treino/teste vazada: quadros duplicados em ambos os lados ou um artefato de coleta que o modelo aprende em vez do seu objeto. Eu verifico isso primeiro, então as métricas que eu reporto são as métricas que você vai obter.


O QUE VOCÊ RECEBE


Pesos do modelo treinado, prontos para usar

Código completo de treinamento e inferência, documentado

Precisão, recall, F1, mAP@50, mAP@50-95, matriz de confusão

Detalhamento por classe dos pontos fortes e fracos

Resumo escrito dos modos de falha e como corrigi-los


IMPLANTAÇÃO


O pacote padrão adiciona um endpoint de inferência FastAPI em Docker, uma API que sua aplicação pode chamar.


O pacote premium adiciona exportação para ONNX e TensorRT com latência e FPS testados na sua hardware alvo, onde a maioria dos trabalhos freelance de CV para por aí.


O QUE EU PRECISO


Imagens rotuladas em YOLO, COCO ou Pascal VOC. Não rotuladas também servem, eu faço a anotação.


Me envie o tamanho do seu dataset, a quantidade de classes e o hardware alvo, e eu te direi qual pacote é o ideal.

Especialidade:

processamento de imagem

•

Feature learning

Linguagem de programação:

Python

•

SQL

Ferramentas:

caderno Jupyter

•

opencv

•

PyTorch

•

Outros

Frameworks:

Scikit-learn

•

keras

•

PyTorch

•

Outros

Meu portfólio