Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
J'annoterai des images avec des bounding box, polygones, points clés, masques de segmentation pour l'IA
Développeur IA Python, vision par ordinateur, OCR et automatisation
Vous cherchez des solutions de vision par ordinateur ou d'apprentissage automatique pour améliorer votre entreprise ? Avec plus de 4 ans d'expertise en IA, apprentissage profond et traitement d'images...
À propos de ce service
Annotation d'images professionnelle pour l'apprentissage automatique
Vous avez besoin de données d'entraînement précisément étiquetées pour votre modèle CV ? Je propose des services complets d'annotation pour toutes les principales architectures ML.
Suite d'annotation complète :
Tous types :
- Bounding boxes pour la détection d'objets
- Polygones pour formes irrégulières
- Points clés pour l'estimation de pose (COCO 17 points, visage 68 points, mains 21 points)
- Masques de segmentation (instance et sémantique)
- Étiquetage multi-classe et personnalisé
Parfait pour : applications de fitness, santé, véhicules autonomes, AR/VR, commerce de détail, analyse sportive, reconnaissance faciale, suivi de gestes
Assurance qualité :
- Vérifié pour la précision
- Étiquetage cohérent dans tout le dataset
- Formats COCO, YOLO, Pascal VOC
- Rapport d'annotation détaillé inclus
Outils : CVAT, Labelbox, Roboflow, LabelImg - plateformes standards de l'industrie garantissant des résultats professionnels.
️
Expérience en ingénierie ML : Je comprends les exigences des modèles et optimise les annotations pour votre architecture spécifique (YOLO, Mask R-CNN, OpenPose, etc.)
Livrables : fichiers d'annotation + images de vérification visuelle dans le format de votre choix.
Construisons votre dataset d'entraînement !
Technique:
Manuel
Type d'identification:
Texte
•
Image
•
Vidéo
FAQ
Traduction automatique
Quels types d'annotation proposez-vous ?
Tous les principaux types : Bounding Box : boîtes rectangulaires (plus rapide) Polygone : contours précis à plusieurs points Points clés : points squelettiques ou de repère (pose, visage, mains) Masque de segmentation : délimitations pixel par pixel
À quoi sert l'annotation de points clés ?
Estimation de la pose humaine (applications de fitness, analyse sportive) Détection de repères faciaux (filtres, reconnaissance des émotions) Suivi de gestes de la main (AR/VR, langue des signes) Détection de parties d'objets (points de préhension pour robot)
Quels schémas de points clés supportez-vous ?
Pose humaine : COCO 17 points (standard), OpenPose 18 points, MPII 16 points Visage : 5 points (yeux, nez, bouche), 68 points (visage complet) Mains : 21 points par main Personnalisé : définissez votre propre schéma de points clés
Puis-je combiner points clés et masques de segmentation ?
Oui ! Parfait pour les modèles d'estimation de pose qui nécessitent à la fois la segmentation de la personne ET les points clés du squelette. Exemple : 50 images avec masque de la personne + pose à 17 points par personne.
Quelle annotation devrais-je choisir pour mon modèle ?
YOLO, Faster R-CNN → Bounding boxes Mask R-CNN → Masques de segmentation OpenPose, HRNet, MediaPipe → Points clés DeepLab, U-Net → Masques de segmentation Modèles de pose + segmentation → Points clés + masques
