Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich werde Modelle zur Objekterkennung, Klassifizierung und Posenschätzung erstellen
Computer Vision und AI Engineer, von Erkennung und OCR bis zur Deployment
Computer-Vision-Ingenieur bei einem Produktions-AI-Startup und Finalist (4. Platz von 198 Teams) bei einem nationalen AI-Hackathon zur Handschriftenerkennung. Ich entwickle Detection-, Tracking- und D...
Level 2
Hat hohe Leistungskriterien erfüllt und verfügt über eine nachgewiesene Erfolgsbilanz bei der Erfüllung von Kundenerwartungen.
Über diesen Service
Ich trainiere und setze individuelle Modelle für Objekterkennung, Segmentierung, Klassifikation und Pose-Schätzung ein – und bringe sie bis zur Echtzeit-Produktion.
Konkrete Beispiele: Bewertung von Sammelkarten durch Computer Vision; Warnmeldungen im Auto-Armaturenbrett (Motor, Bremsen, AdBlue/DPF) mit 15 FPS; Pipelines für Dokumenten- und Label-Extraktion.
Was du bekommst:
- Dataset-Strategie: Überprüfung der Annotationen, Augmentierung, synthetische Daten, wo es sinnvoll ist
- Moderne Modelle (YOLO, RT-DETR, Transformer), feinabgestimmt auf deine Daten
- Ein ehrlicher Bewertungsbericht: mAP, Präzision/Recall auf einem ausgesonderten Satz – keine ausgesuchten Demo-Beispiele
- Echtzeit-Optimierung: TensorRT/ONNX, GPU oder Edge (Jetson), FastAPI-Deployment
Mein Tagesjob: Computer-Vision-Ingenieur bei einem KI-Startup, das Echtzeit-Erkennungspipelines baut. Finalist (4. von 198 Teams) bei einem nationalen KI-Hackathon. 48 Aufträge, 4,9 auf Fiverr.
Lizenzierung im Voraus gekennzeichnet: AGPL-Modelle (Ultralytics) vs. Apache-Alternativen – du entscheidest informiert.
GitHub: https://github.com/ArseniiStratiuk
Schick mir eine Nachricht mit deiner Aufgabe und Beispiel-Daten – ich prüfe die Machbarkeit ehrlich, bevor du bestellst.
APIs:
Google Cloud Vision API
Programmiersprache:
Python
•
R
•
SQL
•
Colab
•
Java
Tools:
Jupyter-Notizbuch
•
opencv
•
tensorflow
•
Excel
•
CVAT
•
Colab
•
PyTorch
Frameworks:
scikit-learn
•
DeepPy
•
keras
•
PyTorch
•
Panda
Mein Portfolio
FAQ
Automatische Übersetzung
Wie viele Bilder brauche ich für gute Ergebnisse?
Mindestens etwa 100 Bilder pro Klasse für einfache Objekte, 300+ für komplexe Szenen. Mehr Daten helfen immer, aber ich hole das Beste aus kleinen Datensätzen mit starker Augmentation und parameter-effizientem Fine-Tuning (LoRA) heraus – indem ich große vortrainierte Modelle anpasse, indem ich nur einen kleinen Teil ihrer Gewichte abstimme.
Bieten Sie Bereitstellungsunterstützung an?
Ich liefere Modelle in verschiedenen Formaten (PyTorch, ONNX, TensorRT) mit Inferenzskripten. Grundlegende Deployment-Anleitung ist enthalten, aber komplexe Cloud- oder Edge-Deployments sind ein Zusatzservice.
Kann das Modell in Echtzeit oder auf Edge-Geräten laufen?
Ja – das ist mein Spezialgebiet. Ich optimiere mit TensorRT/ONNX für GPU, Jetson und Edge-Deployments und liefere echte FPS-Zahlen für deine Zielhardware, nicht nur Labormesswerte.
Wie sieht es mit der Lizenzierung der Modelle für die kommerzielle Nutzung aus?
Ich kläre die Lizenzierung im Voraus: einige Modelle (z.B. Ultralytics YOLO) sind AGPL und benötigen möglicherweise eine kommerzielle Lizenz; Alternativen wie Apache/MIT (z.B. RT-DETR) sind vorhanden. Du entscheidest mit vollständigen Informationen.
