Je vais développer un modèle personnalisé pour la détection, la classification et la segmentation


À propos de ce service
Traduction automatique
Vous avez un problème de vision par ordinateur qui nécessite une vraie solution, pas du code copié de tutoriels. Je construis des systèmes d’IA performants pour la détection d’objets, le suivi, la classification et la segmentation d’images, qui fonctionnent dans des environnements réels.
Je suis un ingénieur logiciel enregistré PEC (COMP/028521) avec une expérience pratique en YOLO, OpenCV, PyTorch et TensorFlow. J’ai développé un système de détection des infractions routières en temps réel avec détection de casque, surveillance de la ceinture de sécurité, analyse de vitres teintées et reconnaissance automatique des plaques d’immatriculation (ANPR) fonctionnant sur des flux vidéo multi-stream en direct.
CE QUE JE PEUX CONSTRUIRE
Détection d’objets CNN / YOLO personnalisée
Classification d’images avec CNN, ResNet, EfficientNet
Suivi d’objets en temps réel avec ByteTrack & OC-SORT
Segmentation d’images avec U-Net & Mask-RCNN
Systèmes ANPR / Reconnaissance de plaques d’immatriculation
Pipeline OCR pour documents et cartes d’identité
Systèmes de détection et reconnaissance faciale
Analyse vidéo et IA de surveillance
Déploiement TensorFlow Lite pour appareils mobiles / edge
APIs FastAPI pour inférence en temps réel
Déploiement Docker et cloud (AWS, Hugging Face)
Tableaux de bord Streamlit pour visualisation
TECH STACK
Python | YOLO | OpenCV | PyTorch | TensorFlow | Keras
FastAPI | Docker | AWS |
Découvrez M Ihtesham Khan
AI, ML, DL, Computer vison, NLP, Transformers, Chatbots,
- DePakistan
- Membre depuismars 2021
- Temps de réponse moy.1 heure
Langues
Pachto, Ourdou, Hindi, Anglais
Traduction automatique
FAQ
Traduction automatique
Travaillez-vous avec des datasets personnalisés ou uniquement avec des datasets publics ?
Je travaille exclusivement avec votre dataset personnalisé. Que vous ayez 200 images ou 20 000, je gère tout le processus : annotation, guidage, prétraitement, augmentation, entraînement et évaluation. Si votre dataset nécessite nettoyage ou labellisation, nous pouvons en discuter en option.
Dans quel format le livrable final sera-t-il ?
Vous recevez du code source Python propre, les poids du modèle entraîné (.pt / .h5 / ONNX), un script d’inférence, un README avec les instructions d’installation, et une courte vidéo de démonstration du modèle en action sur des données de test. Tout est empaqueté pour que vous puissiez l’utiliser immédiatement.
Pouvez-vous déployer le modèle pour qu’il fonctionne sur un site web ou une application mobile ?
Oui. Je peux envelopper le modèle dans un endpoint REST FastAPI, le containeriser avec Docker, et le déployer sur AWS ou Hugging Face Spaces. Pour mobile, je convertis les modèles en TensorFlow Lite pour l’inférence sur Android. J’ai déjà réalisé cela dans mes propres applications publiées sur le Play Store.
Mon dataset est très petit. Pouvez-vous quand même obtenir de bons résultats ?
Les petits datasets sont ma spécialité. J’utilise le transfert d’apprentissage à partir de modèles pré-entraînés sur ImageNet, des stratégies d’augmentation agressives, et des techniques d’équilibrage des classes qui améliorent considérablement la performance avec peu de données. Je serai honnête si le dataset est vraiment trop petit pour produire un résultat satisfaisant.
Offrez-vous une assistance après la livraison ?
Oui — je propose 7 jours de support après livraison pour les problèmes de configuration, la correction de bugs, et les questions de clarification, sans frais supplémentaires. Des packs de support prolongé sont disponibles en option.

