Sfoglia categorie
Esplora
Fiverr Pro
Italiano
$
USD
Costruirò modelli di rilevamento, classificazione e stima della posa degli oggetti
Dalle righe di codice ai sorrisi!
Ciao. Mi chiamo Arsenii e sono uno studente di informatica alla UCU. Sono qui per acquisire esperienza e aiutare le persone che hanno bisogno delle mie competenze. Un altro dei miei obiettivi è fornir...
Livello 1
Ha soddisfatto determinati criteri di prestazione e mostra un forte potenziale nel marketplace.
Informazioni su questo servizio
Offro modelli personalizzati professionali per il rilevamento oggetti, classificazione, stima della posa e segmentazione. I modelli sono costruiti utilizzando architetture di alto livello come YOLOv8, YOLOv11, Mask R-CNN, Swin Transformer e ResNet.
Ho completato numerosi progetti in imaging medico, automazione industriale, controllo qualità (rilevamento difetti) e biomeccanica umana (analisi del movimento).
La pipeline include preparazione del dataset, training, valutazione (mAP, precisione, recall, matrice di confusione) e script di inferenza pronti per il deployment. Supporto al processamento video in tempo reale. Per compiti critici di precisione, vengono usati modelli ensemble avanzati nelle soluzioni premium.
Supporto a training su CPU, GPU, multi-GPU e TPU. TPU accelera significativamente il training di grandi dataset usando TensorFlow, PyTorch/XLA e HuggingFace Transformers (per modelli Swin).
Tutti i pacchetti includono un rapporto di valutazione dettagliato e un breve periodo di test per assicurare che il modello soddisfi i tuoi requisiti di precisione e velocità.
API:
Google Cloud Vision API
Linguaggio di programmazione:
Python
•
SQL
•
Colab
Strumenti:
Quaderno jupyter
•
opencv
•
tensorflow
•
CVAT
•
Colab
•
PyTorch
Framework:
Scikit-learn
•
DeepPy
•
keras
•
PyTorch
•
Panda
Il mio portfolio
FAQ
Traduzione automatica.
Quante immagini servono per ottenere buoni risultati?
Almeno 100 immagini per classe per oggetti semplici, 300 e oltre per scenari complessi. Più dati migliorano sempre le prestazioni, ma utilizzo tecniche di augmentation avanzate per massimizzare i risultati anche con dataset più piccoli.
E per i metodi ensemble nel pacchetto Premium?
L'ensemble combina le previsioni di più modelli (ad esempio YOLOv8, EfficientDet, Faster R-CNN) usando tecniche come fusione Non-Maximum Suppression o media ponderata. Di solito migliora il mAP del 2-5% ma aumenta i tempi di inferenza.
Fornite supporto per l'implementazione?
Fornisco modelli in vari formati (PyTorch, ONNX, TensorRT) con script di inferenza. Guida di base al deployment inclusa, ma il deployment complesso su cloud o edge è un servizio aggiuntivo.
