Je vais concevoir des modèles personnalisés de vision par ordinateur, de détection d'objets et de reconnaissance faciale
Ingénieur en Machine Learning
À propos de ce service
Vous cherchez un ingénieur en vision par ordinateur pour développer des modèles de détection d'objets, des systèmes de reconnaissance faciale ou des analyses vidéo en temps réel ? Vous êtes au bon endroit !
Je me spécialise dans la création de solutions de vision par ordinateur de bout en bout en utilisant PyTorch, OpenCV, YOLOv8 et l'indexation par recherche vectorielle. Que vous ayez besoin d'une détection de points clés personnalisée, d'une surveillance CCTV multi-caméras ou d'une classification d'images à haute précision, je fournis des solutions optimisées et prêtes pour la production.
Ce que je propose :
- Détection d'objets et suivi de points clés : Formation de modèles YOLOv8/PyTorch personnalisés pour les objets, points clés et transcription visuelle précise.
- Reconnaissance faciale et surveillance : Pipelines de correspondance d'identité en moins de 100 ms utilisant les embeddings Hugging Face (FaceNet) + recherche vectorielle FAISS.
- Analyse vidéo en temps réel : Traitement de flux CCTV multi-caméras (plus de 25 FPS), optimisation de la perte de frames et moteurs d'alerte automatisés (SMS/Email).
- Modèles hybrides de deep learning : Vision Transformers (Swin Transformer), CNNs, extraction de caractéristiques et détection d'anomalies en zero-shot.
- Intégration complète en stack CV : Applications web Flask, conteneurisation Docker et déploiement cloud.
Pourquoi me choisir ?
- Expérience concrète dans le domaine : Conception de systèmes de surveillance IA gérant plusieurs flux CCTV.
APIs:
Autres
Langage de programmation:
Python
•
SQL
•
Colab
•
NoSQL
Outils:
Jupyter Notebook
•
opencv
•
tensorflow
•
MLflow
•
CVAT
•
Colab
•
PyTorch
Frameworks:
Scikit-learn
•
keras
•
PyTorch
•
Panda
Autres services de Data science et machine learning I Offre
FAQ
Traduction automatique
Pouvez-vous entraîner YOLOv8 sur mon jeu de données personnalisé ?
Oui ! Je peux annoter ou traiter votre jeu de données, entraîner un modèle YOLOv8 personnalisé pour la détection d'objets ou de points clés, et évaluer ses performances (mAP, rappel, précision).
Quelle est la rapidité du système de reconnaissance faciale / de correspondance d'identité ?
En intégrant des embeddings de caractéristiques profondes avec l'indexation vectorielle FAISS, la correspondance d'identité se fait en moins de 100 ms pour plus de 500 profils enregistrés, sans lag sur le flux vidéo.
Votre système peut-il gérer des flux CCTV en direct ou multi-caméras ?
Oui. Je crée des pipelines de traitement vidéo en temps réel avec OpenCV qui traitent plusieurs flux à plus de 25 FPS sans perte de frames.
Vais-je recevoir les poids du modèle complet et le code source ?
Absolument. Vous recevrez le code source Python complet, les fichiers de poids du modèle (.pt, .onnx ou .h5), les instructions d'installation et une documentation claire.

