Fornirò soluzioni di segmentazione semantica e panottica di istanze

COMPETENZA IN SEGMENTAZIONE SEMANTICA/ISTANZA/PANOTTICA:

Modelli di base: Modelli pretrained SOTA SAM, Grounded SAM, SEEM, YOLOE

Transformers: Mask2Former, Segmenter, Swin, SETR

CNN: U-Net, U²-Net, PSPNet, famiglia DeepLab

MIGLIORAMENTI E REFINEMENT:

Augmentation: Albumentations, Kornia, weak/pseudo-labeling

Fusion multi-scala: FPN, ASPP per una migliore generalizzazione

Post-Processing: CRF, TTA, ensemble di predizioni, smoothing dei confini, operazioni morfologiche, analisi delle componenti

Backbone: Swin, DINOv2, MobileViT per un contesto ricco

CNN-Transformer ibrido: Inferenza più veloce con alta precisione

STACK TECNOLOGICO:

Frameworks: MMSegmentation, Detectron2, librerie PyTorch/TF personalizzate

OTTIMIZZAZIONE E DEPLOYMENT:

TensorRT, OpenVINO, DeepStream

Flask/FastAPI per pipeline di inferenza scalabili

COMPETENZA DI DOMINIO:

R&D/Modelli personalizzati: Segmentazione ensemble, nuove combinazioni head-backbone, pipeline di fusione

Retail/Moda: Parsing di abbigliamento, rilevamento di accessori, try-on virtuali

Sport: Segmentazione dei giocatori, tracciamento delle pose, mascheramento focalizzato sull'azione

Imaging medico: Tumori/organi da CT/MRI; diapositive istopatologiche semi-supervisionate; supporto DICOM/NIfTI

Satellite: Segmentazione multibanda, rilevamento di cambiamenti, workflow GeoTIFF/QGIS