Je vais créer une application de détection d'objets YOLO, segmentation et OCR avec opencv
Ingénieur senior en vision par ordinateur
À propos de ce service
VISION PAR ORDINATEUR, APPRENTISSAGE PROFOND, APPRENTISSAGE AUTOMATIQUE & SOLUTIONS EDGE AI
Vous avez besoin d’un système de vision par ordinateur en temps réel pour votre projet ? Je conçois des solutions de vision par ordinateur de bout en bout, en gérant tout, de la préparation du dataset à l’entraînement du modèle, jusqu’au déploiement sur cloud et edge. Que vous ayez besoin d’un simple prototype de détection d’objets, de segmentation ou d’une application prête pour la production avec OCR, je peux vous aider.
Ce que je peux faire pour vous :
- Détection d’objets, segmentation, estimation de pose avec YOLO et apprentissage profond
- Solutions OCR pour l’extraction de texte à partir d’images, PDFs et documents scannés
- Préparation de datasets, annotation d’images (Roboflow, CVAT) et entraînement de modèles personnalisés
- Réglage fin des modèles et optimisation des performances (TensorRT, ONNX, CoreML)
- Suivi d’objets (DeepSORT, ByteTrack, OC-SORT)
- Déploiement sur edge (Nvidia Jetson, Raspberry Pi) et cloud (AWS, Azure)
Modèles & Frameworks :
- YOLO (v8, v11), SAM, RF-DETR, DINOv3
- PaddleOCR, Mistral OCR, Qwen2.5-VL
- PyTorch, TensorFlow, HuggingFace, OpenCV
Outils & Plateformes :
- Python, C++, Rust
- Flask, FastAPI
- Docker, Jupyter Notebook, Google Colab
Vous n’êtes pas sûr du niveau qui convient à votre projet ? Contactez-moi avant de commander, je serai heureux d’en discuter d’abord.
Mon portfolio
Autres services de Data science et machine learning I Offre
FAQ
Traduction automatique
Pouvez-vous entraîner un modèle sur mon propre dataset personnalisé ?
Oui, je peux travailler avec votre dataset existant ou vous aider à le préparer, l’annoter et en créer un à partir de zéro en utilisant des outils comme Roboflow et CVAT.
Pouvez-vous déployer le modèle sur des appareils edge comme Raspberry Pi ou Jetson ?
Oui, je me spécialise dans le déploiement edge sur NVIDIA Jetson et Raspberry Pi avec des modèles optimisés utilisant TensorRT et ONNX.

