Je vais créer des modèles personnalisés de détection d'objets et de reconnaissance d'images avec yolo
Ingénieur en apprentissage automatique
À propos de ce service
Vous avez besoin d’un logiciel capable de voir ? Je conçois des systèmes de vision par ordinateur qui fonctionnent avec vos données, pas sur un jeu de données de démonstration propre.
J’ai réalisé des projets de vision en production à des fins commerciales, notamment un système de reconnaissance de cartes pour un client européen, et un système automatisé de suivi du comportement animal qui est désormais utilisé quotidiennement par un laboratoire de recherche.
Ce que je crée :
Détection et comptage d’objets : personnes, véhicules, produits, défauts, dans des images ou des vidéos
Classification d’images dans vos propres catégories
OCR : extraction de texte à partir de documents, reçus, cartes d’identité, lectures de compteurs
Segmentation : masques au niveau pixel pour l’imagerie médicale et industrielle
Analyse vidéo : suivi, reconnaissance d’actions, détection d’anomalies
Je choisis l’architecture adaptée au problème plutôt que d’imposer un seul cadre : YOLO et RT-DETR pour la détection en temps réel, Faster R-CNN lorsque la précision prime sur la vitesse, Vision Transformers et ConvNeXt pour la classification, U-Net, Mask R-CNN et SAM pour la segmentation, tous en PyTorch ou TensorFlow.
Vous recevez les poids entraînés, le code source Python documenté, un rapport de performance avec mAP, précision et rappel, ainsi que des résultats d’inférence sur des images retenues pour que vous puissiez voir comment cela fonctionne avant de déployer.
Autres services de Data science et machine learning I Offre
FAQ
Traduction automatique
Combien d'images sont nécessaires pour entraîner un modèle ?
Pour une détection de base, 100 à 300 images étiquetées par classe suffisent avec le transfert d'apprentissage. Pour une précision en production, il est recommandé d'utiliser entre 500 et plus de 2000 images par classe. Je peux vous aider avec l'augmentation de données pour maximiser les résultats avec des ensembles plus petits.
Cela peut-il fonctionner sur mon téléphone ou Raspberry Pi ?
Oui ! Je peux exporter des modèles au format ONNX, TFLite ou CoreML pour le déploiement sur mobile et en edge. Je vais optimiser la taille du modèle pour votre appareil cible.
Pouvez-vous déployer le modèle sur un site web ou une application ?
Oui, moyennant un supplément, je peux déployer votre modèle en utilisant Streamlit, Flask ou FastAPI.

