Je vais former un modèle de vision par ordinateur personnalisé pour la détection ou le comptage de défauts
Développeur backend SQL, solutions d'automatisation cloud et IA
À propos de ce service
Expérience pratique dans de vrais projets industriels de vision par ordinateur, modèles de détection d’objets et de classification de défauts entraînés sur du matériel GPU local avec annotation au format COCO, comptage d’objets basé sur les contours, et séparation des faux positifs des vrais défauts sur une ligne de production en direct.
Ce qui est inclus :
- Modèle entraîné sur mesure pour votre tâche spécifique de détection ou de comptage
- Annotation au format COCO de vos images (réalisée par moi, ou je vous guiderai pour la préparer)
- Validation de la précision sur un ensemble de test réservé avant livraison
- Code d’inférence prêt à l’emploi, pour que vous puissiez le tester sur de nouvelles images vous-même
- Documentation expliquant le fonctionnement du modèle et comment l’utiliser
Ma démarche commence par un test de faisabilité sur un petit échantillon de vos images, afin que vous connaissiez la précision réelle du modèle avant de vous engager dans un package plus complet. Je livre un modèle entraîné et un code d’inférence fonctionnel ; son intégration dans votre ligne de production ou votre logiciel existant se fait ensemble, en fonction de votre configuration.
Expertise:
Traitement d'images
•
Classification
•
Détection d'objets
Langage de programmation:
Python
Outils:
Jupyter Notebook
•
opencv
•
tensorflow
•
CVAT
Frameworks:
keras
•
PyTorch
FAQ
Traduction automatique
De quelles données avez-vous besoin de moi ?
Idéalement, un échantillon de vos images (format COCO si vous avez déjà des annotations). Si vous n’avez pas encore d’annotations, je vous guiderai pour collecter et préparer l’échantillon.
Quelle sera la précision du modèle ?
Cela dépend de la qualité et de la quantité de vos données. C’est précisément pour cela que le package Basic commence par un test de faisabilité : vous obtenez des chiffres précis de la précision sur vos propres images avant de choisir un package plus complet.
