Je vais corriger les bugs de votre modèle de segmentation d'image unet ou CNN

Votre U-Net, CNN ou modèle de segmentation d'image génère-t-il des erreurs, produit-il des masques vides ou refuse-t-il de s'entraîner correctement ? Je peux vous aider à le réparer.

Je travaille avec des pipelines d'apprentissage profond sous TensorFlow/Keras, et je suis à l'aise pour analyser les incompatibilités de formes, les problèmes de fonction de perte (Dice, IoU), les bugs de données/prétraitement, les problèmes d'architecture, l'entraînement qui ne converge pas, ainsi que les soucis liés à l'environnement ou à la configuration GPU.

Vous recevrez un notebook ou un script fonctionnel et débogué, accompagné d'une explication claire de ce qui n'allait pas et de la façon dont j'ai résolu le problème, avec des résultats visuels si pertinent, comme des comparaisons de prédictions ou des graphiques d'entraînement.

Je travaille concrètement avec des CNN et la segmentation basée sur U-Net en utilisant Python, TensorFlow et Keras, en adoptant une approche patiente et méthodique pour identifier ce qui est réellement cassé.

Processus : envoyez-moi votre code et le message d'erreur ou la description du problème, je confirmerai la portée, puis je le corrigerai, le testerai et vous le renverrai avec une explication.

Note : pour les projets d'imagerie médicale, cela concerne uniquement la recherche, l'éducation et le prototypage, et n'est pas validé pour un usage clinique ou diagnostique.

Vous ne savez pas quel package choisir ? Envoyez-moi un message d'abord et je jetterai un œil rapidement.