Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais créer un système de détection d'objets en temps réel avec opencv python
AI ML, vision par ordinateur, web scraping, backend FastAPI, applications Flutter
Je suis un ingénieur logiciel professionnel spécialisé dans la création de systèmes d'IA et de logiciels de production qui répondent à de véritables problèmes commerciaux — pas seulement des démonstra...
À propos de ce service
La plupart des projets de détection d’objets échouent non pas à cause du modèle, mais à cause d’une mauvaise intégration, d’une inférence lente et d’un manque de tests en conditions réelles.
Je crée des systèmes de détection d’objets de qualité production utilisant OpenCV et Python, qui fonctionnent en temps réel, sur votre matériel, avec vos données.
Modèles de détection entraînés sur mesure avec vos classes, votre dataset
Détection en temps réel sur flux RTSP, webcam, fichiers vidéo
Suivi multi-objets avec DeepSORT et ByteTrack
Export ONNX pour déploiement sur CPU, pas besoin de GPU
Wrapper API FastAPI pour une intégration directe
️ Système ADAS de conduite autonome avec plus de 95 % de précision, client à Hong Kong
️ Analyse de propriétés immobilières, ResNet + FastAPI, client à Dubaï
️ Comptage de personnes, détection de véhicules, inspection de défauts, tout livré
Si vous avez un dataset, je l’entraînerai. Si vous n’en avez pas, je vous guiderai précisément sur ce dont vous avez besoin.
Contactez-moi avant de commander. Décrivez votre tâche de détection et je vous dirai quelle précision attendre !
Mon portfolio
FAQ
Traduction automatique
Et si je n'ai pas de dataset annoté ?
Je peux annoter vos images brutes dans le cadre du projet. Pour les packages Standard et Premium, mentionnez-le lors de la commande et j'inclurai l'annotation dans le scope.
Combien d'images sont nécessaires pour une bonne précision ?
Minimum 100-200 images par classe pour des résultats utilisables. Plus de 500 par classe pour une précision de qualité production. Je vous conseillerai selon votre cas spécifique, décrivez simplement la tâche.
Quel modèle de détection utilisez-vous ?
Principalement YOLO pour le meilleur compromis vitesse-précision. Je travaille aussi avec des versions plus anciennes ou plus récentes selon votre matériel et vos besoins en précision. Dites-moi vos contraintes.
Cela peut-il fonctionner sur CPU sans GPU ?
Oui, j'exporte en format ONNX qui fonctionne efficacement sur CPU. La vitesse d'inférence est plus lente qu'avec un GPU, mais le modèle fonctionne pleinement. Idéal pour le déploiement en edge et sur serveurs locaux.
Que recevrai-je à la livraison ?
Poids du modèle entraîné, export ONNX, script Python d'inférence, rapport d'évaluation avec métriques de précision, et un README avec les instructions d'utilisation.
