Vou treinar um modelo de detecção de objetos YOLO personalizado no seu conjunto de dados

Eu treino modelos personalizados de detecção de objetos YOLO no seu próprio conjunto de dados, desde imagens brutas até um modelo funcional e avaliado. Minha experiência combina visão computacional (OpenCV, PyTorch, YOLO) com robótica do mundo real, onde construí sistemas de visão para robôs subaquáticos de competição usados na MATE ROV International Competition.

Como funciona:

Você me envia seu conjunto de dados (rotulado ou não), me diz o que precisa ser detectado, e eu cuido do resto: preparação dos dados, treinamento, avaliação e entrega.

Básico: Treinar YOLO no seu conjunto de dados pré-rotulado (até 500 imagens), 1 classe de objeto. Pesos treinados + relatório de precisão.

Standard: Até 3 classes de objetos, com aumento de dados e ajuste de hiperparâmetros para melhor precisão. Inclui métricas de validação (mAP, precisão/recall) + um script de inferência.

Premium: Revisão completa do pipeline de anotação, treinamento multi-classe, otimização do modelo para implantação (exportação para ONNX/TensorRT), além de um script de demonstração funcional ou API de inferência simples.

Pilha: YOLO, PyTorch, OpenCV, Python, NumPy, Pandas.

Processo:

1. Receber e revisar seu conjunto de dados
2. Limpar/preparar os dados
3. Treinar o modelo
4. Avaliar + ajustar
5. Entregar pesos, métricas e script

Me envie uma mensagem com seu conjunto de dados e caso de uso, vamos treinar seu modelo