Je vais construire des modèles de vision par ordinateur et de détection d'objets YOLO
Ingénieur en IA pour la vision par ordinateur et l'IA générative
À propos de ce service
Vous avez des difficultés avec les erreurs de suivi ou le déploiement d’un modèle d’IA stable ? La plupart des scripts de vision par ordinateur échouent sous un éclairage réel, avec des cibles en mouvement ou en cas d’occlusion. Je conçois des pipelines YOLO de qualité production et des systèmes de reconnaissance faciale conçus pour la fiabilité en conditions réelles.
Ce que je peux réaliser pour vous
- Détection d’objets personnalisée : entraînement précis dans tout l’écosystème YOLO (YOLOv8, v9, v10, v11, etc.) pour identifier défauts, véhicules, inventaire ou EPI.
- Suivi multi-objets : comptage sans bug et analyse de trajectoire avec DeepSORT, ByteTrack ou NorFair.
- Reconnaissance faciale : systèmes de contrôle d’accès sécurisé et de gestion des présences utilisant InsightFace ou FaceNet avec détection de vivacité anti-spoofing.
- Pipeline d’inférence : scripts Python optimisés pour webcams, vidéos ou flux RTSP.
Ce que vous obtenez
- Évaluation des données : vérification des étiquettes pour éviter le surapprentissage.
- Mesures de performance : matrices de confusion et graphiques mAP.
- Code propre : scripts Python modulaires et documentés.
Veuillez m’envoyer un message AVANT de commander pour examiner votre dataset et vos besoins !
APIs:
Autres
Langage de programmation:
Python
•
SQL
•
Colab
•
MLflow
Outils:
Jupyter Notebook
•
opencv
•
tensorflow
•
CVAT
•
Colab
•
PyTorch
Frameworks:
Scikit-learn
•
keras
•
PyTorch
•
Panda
•
Autres
Mon portfolio
FAQ
Traduction automatique
Dois-je fournir l'ensemble de données ?
Idéalement, oui. Si vous n’avez pas d’images, je peux vous aider à les collecter et à les annoter moyennant un supplément (veuillez me contacter d’abord).
Cela peut-il fonctionner sur mon ordinateur portable/CCTV ?
Oui ! J’optimise les modèles (en utilisant YOLO-Nano ou des versions Small) pour qu’ils fonctionnent efficacement sur des CPU standards ou même des appareils Raspberry Pi/Jetson.
Quelle version de YOLO utiliserez-vous pour mon projet ?
Je travaille avec tout l'écosystème YOLO (YOLOv8, YOLOv9, YOLOv10, YOLO11, etc.). Je choisirai la version la plus adaptée en fonction de vos besoins spécifiques, en équilibrant la vitesse d'exécution (FPS) et la précision de détection (mAP).
Dans quels formats doit être mon dataset pour un entraînement YOLO personnalisé ?
Je travaille avec tous les formats standards, y compris le format texte YOLO, COCO JSON, Pascal VOC XML ou des images brutes non étiquetées. Si vos données ne sont pas encore étiquetées, contactez-moi et nous pourrons organiser une annotation personnalisée.
Vos systèmes peuvent-ils fonctionner sur du matériel edge comme un Raspberry Pi ou un Jetson Nano ?
Oui. Je peux optimiser et convertir les modèles YOLO entraînés en formats légers comme ONNX, TensorRT ou OpenVINO pour garantir un maximum de FPS et une performance fluide sur des appareils edge à faible consommation.
Comment empêchez-vous les systèmes de reconnaissance faciale d'être trompés par des photos ?
J'intègre une détection de vivacité basée sur des logiciels utilisant l'analyse de texture et le filtrage de profondeur. Cela empêche la contrefaçon, en permettant au système de faire la différence entre un visage humain réel et un écran ou une impression numérique.
Vais-je obtenir le code source complet et les droits commerciaux ?
Absolument. Une fois la commande terminée, vous recevez la propriété commerciale complète du code source Python propre et modulaire ainsi que les fichiers de poids du modèle entraîné (.pt, .onnx, etc.).

