Creerò un'app di rilevamento oggetti YOLO, segmentazione e OCR con opencv
Ingegnere senior di Computer Vision
Informazioni su questo servizio
SOLUZIONI DI COMPUTER VISION, DEEP LEARNING, MACHINE LEARNING & EDGE AI
Hai bisogno di un sistema di computer vision in tempo reale per il tuo progetto? Costruisco soluzioni di computer vision end-to-end, gestendo tutto, dalla preparazione del dataset e addestramento del modello fino al deployment su cloud e edge. Che tu abbia bisogno di un semplice prototipo di rilevamento oggetti, segmentazione o di un'applicazione completa pronta per la produzione con OCR, posso aiutarti.
Ciò che posso fare per te:
- Rilevamento oggetti, segmentazione, stima della posa usando YOLO e deep learning
- Soluzioni OCR per estrazione di testo da immagini, PDF e documenti scannerizzati
- Preparazione del dataset, annotazione delle immagini (Roboflow, CVAT) e addestramento di modelli personalizzati
- Ottimizzazione e messa a punto dei modelli (TensorRT, ONNX, CoreML)
- Tracking degli oggetti (DeepSORT, ByteTrack, OC-SORT)
- Deployment su Edge (Nvidia Jetson, Raspberry Pi) e Cloud (AWS, Azure)
Modelli & Frameworks:
- YOLO (v8, v11), SAM, RF-DETR, DINOv3
- PaddleOCR, Mistral OCR, Qwen2.5-VL
- PyTorch, TensorFlow, HuggingFace, OpenCV
Strumenti & Piattaforme:
- Python, C++, Rust
- Flask, FastAPI
- Docker, Jupyter Notebook, Google Colab
Non sei sicuro di quale livello sia adatto al tuo progetto? Scrivimi prima di ordinare, sono felice di discuterne insieme.
Linguaggio di programmazione:
Python
•
R
•
MATLAB
•
SQL
•
Java
Framework:
Scikit-learn
•
Google ML Kit
•
keras
•
PyTorch
•
Panda
Il mio portfolio
Altri servizi della categoria Data science e ML offerti da me
FAQ
Traduzione automatica.
Puoi addestrare un modello sul mio dataset personalizzato?
Sì, posso lavorare con il tuo dataset esistente o aiutarti a prepararlo, annotarlo e crearlo da zero usando strumenti come Roboflow e CVAT.
Puoi deployare il modello su dispositivi edge come Raspberry Pi o Jetson?
Sì, sono specializzato nel deployment su edge su NVIDIA Jetson e Raspberry Pi con modelli ottimizzati usando TensorRT e ONNX.

