Je vais concevoir un modèle d'apprentissage profond pour la classification ou la détection d'images

Je crée des modèles d'apprentissage profond allant au-delà de l'apprentissage automatique de base pour travailler avec des réseaux neuronaux sur des données complexes et à haute dimension comme les images.

Projet récent : j'ai entraîné un modèle de détection de maladies des plantes sur plus de 87 000 images de feuilles réelles (jeu de données PlantVillage), en utilisant ResNet50 combiné à un mécanisme d'attention CBAM pour améliorer la précision. J'ai également conçu l'architecture pour l'étendre à la détection d'objets basée sur YOLOv8 pour une utilisation en temps réel à l'avenir.

Ce que je peux réaliser pour vous :

- Classification d'images (qualité des produits, imagerie médicale/agricole, détection de défauts)

- Détection d'objets (basée sur YOLO)

- Transfer learning sur des architectures pré-entraînées (ResNet, EfficientNet, etc.)

- Conception et entraînement de réseaux neuronaux personnalisés

- Pipelines de prétraitement et d'augmentation d'images

- Évaluation de modèles avec rapports de précision, rappel et exactitude

Technologies : PyTorch, TensorFlow, OpenCV, ResNet, CBAM attention, YOLOv8, Keras

Pourquoi travailler avec moi : expérience pratique en stage d'apprentissage profond (TechSaksham, soutenu par Microsoft et SAP). Je m'entraîne sur des jeux de données réels et à grande échelle en utilisant des techniques modernes comme les mécanismes d'attention, pas seulement des CNN de base.

Contactez-moi avec votre dataset et votre cas d'utilisation avant de commander.