Je formerai et déploierai des modèles de détection d’objets YOLO personnalisés avec OpenCV

Certaines informations ont été traduites automatiquement.

Royaume-Uni

Je parle Chinois, Anglais

Développeur systèmes embarqués et IA en edge

Bonjour, je suis Ziheng, étudiant MSc Internet des objets et IA à l’Université de Bristol avec une licence en informatique. Je conçois des firmwares embarqués (STM32, C, HAL, contrôle PID), des script...
À propos de ce service

Vous avez besoin d’un modèle capable de repérer des objets dans vos images ou vidéos et qui fonctionne sur du matériel réel ? Je forme et déploie des détecteurs d’objets YOLO avec Python, PyTorch et OpenCV.


Ce que je propose :

- Formation YOLO personnalisée sur votre jeu de données étiqueté

- Évaluation claire : précision, rappel, mAP et démonstrations

- Scripts d’inférence OpenCV pour des images, des fichiers vidéo ou des webcams

- Déploiement en edge sur NVIDIA Jetson, ou quantification int8 TFLite pour microcontrôleurs


Mon expérience : je suis étudiant en MSc Internet des objets et IA à l’Université de Bristol. En tant que capitaine d’une équipe de voiture autonome basée sur la vision, j’ai collecté des données, formé les modèles et déployé YOLOv5 pour la détection de panneaux et de feux de circulation sur un NVIDIA Jetson, en parallèle d’un modèle CNN de maintien de voie. L’équipe a remporté un second prix national au China Robotics and AI Competition. J’ai également quantifié un autoencodeur convolutionnel 1D en int8 pour TFLite Micro.


Merci de me contacter avant de commander avec la taille de votre jeu de données, les classes et le matériel cible afin que je puisse confirmer le périmètre et le calendrier.

Expertise:

Traitement d'images

•

Détection d'objets

Langage de programmation:

Python

Outils:

Jupyter Notebook

•

opencv

•

tensorflow

Frameworks:

PyTorch