Je formerai des modèles personnalisés de segmentation et de classification d’images
Ingénieur en apprentissage automatique et spécialiste en vision par ordinateur
À propos de ce service
Vous souhaitez délimiter des régions dans vos images ou attribuer une catégorie à chaque image ?
Je vais entraîner un modèle personnalisé de segmentation d’images ou de classification d’images sur votre ensemble de données étiqueté.
Pour la segmentation sémantique, je peux entraîner un modèle PyTorch en utilisant U-Net ou DeepLabV3+ afin de générer des masques au niveau des pixels. Si vous avez besoin d’un masque distinct pour chaque objet, je peux délimiter une segmentation d’instances basée sur vos annotations.
Pour la classification d’images, j’utilise l’apprentissage par transfert avec des modèles tels que ResNet ou EfficientNet pour prédire des catégories comme des types de produits ou des classes de défauts.
Vous recevrez les poids entraînés, le code source Python, un script d’inférence exécutable, des exemples de prédictions et les instructions de configuration. Je fournis des métriques adaptées à la tâche sur des images retenues, telles que IoU ou Dice pour les masques et le F1 par classe pour la classification.
Envoyez quelques images d’exemple, vos étiquettes et le résultat souhaité. Je vous confirmerai quel package correspond le mieux.
APIs:
Microsoft Computer Vision AI
•
Google Cloud Vision API
Langage de programmation:
Python
•
SQL
•
Colab
•
Java
•
MLflow
Outils:
Jupyter Notebook
•
opencv
•
OpenNN
•
tensorflow
•
CVAT
•
Colab
•
PyTorch
Frameworks:
Scikit-learn
•
SimpleCV
•
keras
•
PyTorch
•
Panda
Mon portfolio
Autres services de Data science et machine learning I Offre
FAQ
Traduction automatique
Puis-je commander uniquement la segmentation ou uniquement la classification ?
Oui. Les options Basic et Standard couvrent chacune une tâche. Choisissez la segmentation pour des masques au niveau des pixels ou la classification pour des prédictions de catégories au niveau de l’image.
Quelles étiquettes dois-je fournir ?
Pour la segmentation, partagez des images avec des masques correspondants ou des annotations polygonales. Pour la classification, partagez des dossiers étiquetés ou un fichier assignant chaque image à sa classe. Si vous avez besoin des deux sorties, transmettez les deux types d’étiquettes.
Pouvez-vous travailler avec des images non étiquetées ?
Envoyez un échantillon et le nombre approximatif d’images. Je vérifierai si une démonstration pré-entraînée convient ou je confirmerai quelles annotations sont nécessaires pour un entraînement personnalisé.
A quels résultats puis-je m'attendre ?
La performance dépend de l’ensemble de données et de la qualité des étiquettes. Je rends compte des résultats sur des images retenues et je montre des exemples de prédictions, y compris les erreurs courantes lorsque c’est pertinent.
Le même flux de travail peut-il localiser un défaut et identifier son type ?
Oui. Par exemple, le pipeline peut produire un masque indiquant la zone du défaut et une étiquette de défaut au niveau de l’image. Partagez vos échantillons et annotations afin que je puisse confirmer l’étendue.
Vais-je obtenir le code et les poids du modèle ?
Oui. Chaque pack inclut les poids entraînés, le code source Python, un script d’inférence et les instructions pour exécuter une prédiction d’exemple.

