Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich werde Modelle zur Objekterkennung, Klassifizierung und Posenschätzung erstellen
Von Codezeilen bis zu Lächeln!
Hallo. Mein Name ist Arsenii und ich bin Informatikstudent an der UCU. Ich bin hier, um Erfahrungen zu sammeln und Menschen zu helfen, die meine Fähigkeiten brauchen. Ein weiteres meiner Ziele ist es,...
Level 1
Hat bestimmte Leistungskriterien erfüllt und zeigt großes Potenzial auf dem Marktplatz.
Über diesen Service
Ich biete professionelle maßgeschneiderte Modelle für Objekterkennung, Klassifikation, Pose-Schätzung und Segmentierung an. Die Modelle werden mit Top-Architekturen wie YOLOv8, YOLOv11, Mask R-CNN, Swin Transformer und ResNet entwickelt.
Ich habe zahlreiche Projekte in der medizinischen Bildgebung, industriellen Automatisierung, Qualitätssicherung (Fehlererkennung) und menschlicher Biomechanik (Bewegungsanalyse) abgeschlossen.
Der Ablauf umfasst Dataset-Vorbereitung, Training, Bewertung (mAP, Präzision, Recall, Verwirrungsmatrix) und einsatzbereite Inferenzskripte. Echtzeit-Videoverarbeitung wird unterstützt. Für kritische Genauigkeitsaufgaben in Premium-Lösungen werden fortschrittliche Ensemble-Modelle verwendet.
Training auf CPU, GPU, Multi-GPU und TPU ist möglich. TPU beschleunigt das Training erheblich bei großen Datensätzen mit TensorFlow, PyTorch/XLA und HuggingFace Transformers (für Swin-Modelle).
Alle Pakete beinhalten einen detaillierten Bewertungsbericht und eine kurze Testphase, um sicherzustellen, dass das Modell deine Anforderungen an Genauigkeit und Geschwindigkeit erfüllt.
APIs:
Google Cloud Vision API
Programmiersprache:
Python
•
SQL
•
Colab
Tools:
Jupyter-Notizbuch
•
opencv
•
tensorflow
•
CVAT
•
Colab
•
PyTorch
Frameworks:
scikit-learn
•
DeepPy
•
keras
•
PyTorch
•
Panda
Mein Portfolio
FAQ
Automatische Übersetzung
Wie viele Bilder brauche ich für gute Ergebnisse?
Mindestens 100 Bilder pro Klasse für einfache Objekte, 300 und mehr für komplexe Szenarien. Mehr Daten verbessern die Leistung immer, aber ich nutze fortschrittliche Augmentationstechniken, um das Beste aus kleineren Datensätzen herauszuholen.
Was ist mit Ensemble-Methoden im Premium-Paket?
Ensemble kombiniert Vorhersagen mehrerer Modelle (z.B. YOLOv8, EfficientDet, Faster R-CNN) mit Techniken wie Non-Maximum Suppression Fusion oder gewichteter Durchschnittsbildung. Verbessert typischerweise den mAP um 2-5%, erhöht aber die Inferenzzeit.
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.
