Je vais former un modèle de détection d'objets YOLO personnalisé sur votre dataset

Je forme des modèles personnalisés de détection d’objets YOLO à partir de votre propre jeu de données, depuis des images brutes jusqu’à un modèle fonctionnel et évalué. Mon expérience combine la vision par ordinateur (OpenCV, PyTorch, YOLO) avec la robotique réelle, où j’ai conçu des systèmes de vision pour des robots sous-marins de compétition utilisés dans la compétition internationale MATE ROV.

Comment ça fonctionne :

Vous m’envoyez votre jeu de données (étiqueté ou non), me précisez ce que vous souhaitez détecter, et je m’occupe du reste : préparation des données, entraînement, évaluation et livraison.

Basic : Entraîner YOLO sur votre jeu de données pré-étiqueté (jusqu’à 500 images), 1 classe d’objet. Poids entraînés + rapport de précision.

Standard : Jusqu’à 3 classes d’objets, avec augmentation de données et réglage des hyperparamètres pour une meilleure précision. Inclut des métriques de validation (mAP, précision/rappel) + un script d’inférence.

Premium : Revue complète de l’annotation du pipeline, entraînement multi-classe, optimisation du modèle pour le déploiement (export en ONNX/TensorRT), plus un script de démonstration fonctionnel ou une API d’inférence simple.

Stack : YOLO, PyTorch, OpenCV, Python, NumPy, Pandas.

Processus :

1. Réception et revue de votre jeu de données
2. Nettoyage / préparation des données
3. Entraînement du modèle
4. Évaluation + réglages
5. Livraison des poids, métriques et script

Contactez-moi avec votre jeu de données et votre cas d’usage, et faisons entraîner votre modèle