Je vais former et déployer des modèles de détection d'objets yolo personnalisés en temps réel
Ingénieur en vision par ordinateur, YOLO et déploiement en temps réel
À propos de ce service
Je forme des modèles de détection YOLO qui restent performants après leur déploiement.
La plupart des travaux de détection semblent solides dans le rapport mais se dégradent en production. La cause habituelle est une fuite dans la séparation train/test : des images dupliquées des deux côtés, ou un artefact de collecte que le modèle apprend à reconnaître à la place de votre objet. Je vérifie cela en premier, donc les métriques que je rapporte sont celles que vous obtiendrez réellement.
CE QUE VOUS RECEVEZ
Les poids du modèle entraîné, prêts à être utilisés
Le code complet d’entraînement et d’inférence, documenté
Précision, rappel, F1, mAP@50, mAP@50-95, matrice de confusion
Une analyse par classe des points forts et faibles
Un résumé écrit des modes de défaillance et des solutions possibles
DÉPLOIEMENT
La version standard ajoute un point d’inférence FastAPI dans Docker, une API que votre application peut appeler.
La version premium ajoute l’export ONNX et TensorRT avec une latence et un FPS testés sur votre matériel cible, là où la plupart des travaux freelance en CV s’arrêtent.
CE QUE JE VOUS AI BESOIN
Des images annotées en YOLO, COCO ou Pascal VOC. Les images non annotées conviennent aussi, je peux les annoter.
Envoyez-moi la taille de votre dataset, le nombre de classes et le matériel cible, je vous indiquerai la formule adaptée.
Langage de programmation:
Python
•
SQL
Outils:
Jupyter Notebook
•
opencv
•
PyTorch
•
Autres
Frameworks:
Scikit-learn
•
keras
•
PyTorch
•
Autres
Mon portfolio
FAQ
Traduction automatique
Mes données ne sont pas encore étiquetées. Pouvez-vous quand même m'aider ?
Oui. J'annoter des ensembles de données de détection en tant que service séparé — boîtes englobantes ou masques polygonaux, exportés au format YOLO, COCO ou VOC. Envoyez-moi le nombre d'images et la liste des classes, et je vous ferai une offre pour les deux travaux ensemble.
Quelle précision le modèle atteindra-t-il ?
Je ne peux pas promettre un chiffre avant d'avoir vu vos données, et quiconque le fait n'est qu'une estimation. Envoyez-moi 20 à 30 images d'exemple et je vous donnerai une estimation réaliste du mAP réalisable et des principales difficultés avant de passer commande.
Cela fonctionnera-t-il sur un Jetson ou un appareil edge ?
Oui, avec le package Premium. J'exporte en ONNX et construis un moteur TensorRT adapté à votre matériel spécifique, puis je mesure la latence et le FPS réels pour que vous connaissiez le débit réel avant le déploiement, plutôt qu'après.
Sur quel matériel entraînez-vous ?
Un RTX 5080. Les entraînements qui prennent des jours chez d'autres vendeurs se terminent ici en quelques heures, c'est pourquoi mes délais de livraison sont plus courts que la plupart des gigs dans cette catégorie.
Et si le modèle ne donne pas de bons résultats ?
Les révisions sont incluses dans chaque package. Si le plafond est vos données plutôt que l'entraînement — trop peu d'exemples, étiquetages incohérents, classes ambiguës — je vous dirai simplement ce qui doit changer et quel résultat attendre.
Ai-je le code source et la pleine propriété ?
Oui, dans tous les packages. Vous recevez le code complet d'entraînement et d'inférence, documenté, et vous en détenez tous les livrables en propriété exclusive. Pas de termes de licence, pas de frais récurrents.

