Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais créer des applications de détection d'objets yolo et de vision par ordinateur
Ingénieur en vision par ordinateur
Ingénieur en vision par ordinateur spécialisé dans la détection d’objets YOLO, la classification d’images, l’annotation de données et la garantie de la qualité des datasets. Je construis des pipelines...
À propos de ce service
Je vais former et évaluer un modèle de détection d'objets YOLO en utilisant votre jeu de données étiqueté. Vous recevrez des livrables reproductibles, des métriques d’évaluation claires et une explication honnête des limites du modèle.
Ce service peut inclure :
Validation de la structure du dataset et des annotations
Entraînement ou ajustement de YOLO
Configuration de l’entraînement, de la validation et du test
Précision, rappel, mAP50, mAP50-95, et matrice de confusion
Poids du modèle entraîné et configuration du dataset
Code source d'inférence en Python
Export optionnel en ONNX ou TensorRT
J'ai développé des pipelines de détection de défauts PCB et de détection de gameplay en temps réel en utilisant Python, PyTorch, OpenCV, YOLO/YOLOX, Roboflow et TensorRT.
Veuillez me contacter avant de commander pour confirmer la taille du dataset, le format des étiquettes, les classes, le matériel cible et les livrables.
Important :
Vous devez fournir des images que vous êtes autorisé à utiliser.
Le dataset doit déjà être étiqueté sauf si l’annotation est achetée séparément.
La précision ne peut pas être garantie avant inspection des données.
Le déploiement en cloud, l’intégration API et le développement complet d’application ne sont pas inclus.
Expertise:
Traitement d'images
•
Détection d'objets
Langage de programmation:
Python
Outils:
Jupyter Notebook
•
opencv
•
Autres
Frameworks:
PyTorch
•
Autres
Mon portfolio
FAQ
Traduction automatique
Mon dataset doit-il être étiqueté ?
Oui. Les packages listés supposent un dataset étiqueté. YOLO TXT est préféré, et je peux valider ou convertir Pascal VOC XML. Si vos images ne sont pas étiquetées, contactez-moi pour une offre d’annotation séparée.
Pouvez-vous garantir une précision spécifique ?
Non. La performance dépend de la qualité des images, de la précision des étiquettes, de l’équilibre des classes, de la taille du dataset et de la difficulté de la tâche. Je rapporterai honnêtement les métriques atteintes, mais je ne peux garantir un score précis avant d’évaluer les données.
Que vais-je recevoir ?
Selon votre package, vous recevrez les poids YOLO entraînés, la configuration du dataset, les métriques d’évaluation, les graphiques de résultats, le code d’inférence en Python et la documentation du modèle.
Qu'est-ce qui compte comme une révision ?
Une révision couvre une configuration raisonnable, un seuil ou un ajustement de retrainement utilisant le dataset et la liste de classes d’origine. Les nouvelles images, nouvelles classes, reannotation ou changements majeurs de scope ne sont pas considérés comme des révisions.
Pouvez-vous exporter le modèle en ONNX ou TensorRT ?
Oui. La version premium inclut un export de modèle compatible. Les acheteurs Basic et Standard peuvent acheter l’option d’export de modèle supplémentaire. La compatibilité TensorRT dépend du GPU NVIDIA cible, de CUDA et des versions de TensorRT.
Fournissez-vous l’annotation des données ?
L’annotation n’est pas incluse dans ces packages. Votre dataset doit déjà être étiqueté. Si vous avez besoin d’annotations de bounding-box ou de correction d’étiquettes, contactez-moi d’abord pour une offre personnalisée séparée.
L’intégration ou le déploiement API sont-ils inclus ?
Non. Ce service couvre la vérification du dataset, l’entraînement du modèle, l’évaluation, le code d’inférence et l’export compatible du modèle. Le déploiement en cloud, l’intégration API, les interfaces utilisateur et les applications complètes nécessitent un accord séparé.
Que faire si mon ensemble de données dépasse la limite du package ?
Achetez l’option Images étiquetées supplémentaires ou contactez-moi pour une offre personnalisée. Veuillez ne pas commander un package plus petit si votre dataset dépasse ses limites d’images ou de classes.
