Farò object detection, yolo, computer vision, progetti opencv in python
Sviluppatore Python AI e Machine Learning per progetti e automazioni
Informazioni su questo servizio
Hai bisogno di una soluzione personalizzata di object detection o computer vision? La addestrerò end to end per te.
Servizi che offro:
- Object detection personalizzata usando YOLOv8, YOLOv5, YOLO-NAS (modelli SOTA)
- Classificazione delle immagini, segmentazione, stima della posa
- Pipeline OpenCV per l'elaborazione video in tempo reale
- Preprocessing dei dati, augmentation e annotazioni
- Addestramento del modello, fine-tuning, valutazione (mAP, precisione, recall)
- Deployment con FastAPI / Flask con endpoint REST
- Containerizzazione con Docker
- Esportazione in ONNX e TFLite per deployment edge
Case studies con cui ho lavorato:
Ispezione di difetti e qualità (produzione), rilevamento di persone e veicoli (videosorveglianza, traffico), analisi scaffali retail, monitoraggio colture e fauna selvatica, analisi footage drone, imaging medico, rilevamento di regioni specifiche in documenti personalizzati, e altro.
Piattaforma tecnologica: Python, PyTorch, TensorFlow, YOLOv8, OpenCV, FastAPI, Docker
Sono uno studente di CS all'ultimo anno. Il mio progetto di fine corso è un sistema di detection in tempo reale con YOLOv8 e un dashboard enterprise completo in React, quindi questa è la mia area di competenza tecnica.
Scope: Addestramento base sui tuoi dati etichettati (fino a 500 immagini). La versione standard include etichettatura (200 immagini) + API. Premium è servizio completo. Oltre i limiti: 0,15$/immagine
API:
Visione artificiale Microsoft AI
Linguaggio di programmazione:
Python
Strumenti:
Quaderno jupyter
•
opencv
•
tensorflow
•
SimpleCV
•
PyTorch
Framework:
Scikit-learn
•
keras
•
PyTorch
•
Panda
Il mio portfolio
FAQ
Traduzione automatica.
Quale versione di YOLO usi per l'object detection?
Di default YOLOv8 (veloce, preciso, facile da deployare). Disponibili anche YOLOv5 e YOLO-NAS se il tuo caso d'uso ne ha bisogno.
Puoi anche gestire classificazione delle immagini o segmentazione?
Sì — classificazione con backbone CNN (ResNet, EfficientNet) e segmentazione di istanza/semantica con YOLOv8-seg o Mask R-CNN. Scrivimi il tuo caso d'uso.
Quale precisione o mAP posso aspettarmi?
Dipende dalla dimensione e qualità del dataset. Con oltre 500 immagini etichettate pulite, mAP@0.5 tra 0.7 e 0.85 è normale. Oggetti piccoli o occlusi riducono questa stima. Valutazione onesta prima di ordinare.
Gestisci anche l'etichettatura e annotazione dei dati?
Sì — il livello Standard include fino a 200 immagini etichettate, il Premium fino a 500. Lavori più grandi a 0,15$/immagine come add-on personalizzato.
Puoi deployare il modello con FastAPI o Docker?
Sì — il livello Standard include endpoint di inference con FastAPI, il Premium include deployment completo su Docker cloud.

