Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich erstelle ein Bildklassifizierungs-, Objekt-Erkennungs- und Gesichtserkennungs-AI-Modell
LLM Data Science und Full Stack Expertise und Where Code do chats
Hallo! Ich bin ein Technik-Enthusiast mit Kenntnissen in LLMs (Large Language Models), Data Science und Full-Stack-Webentwicklung. Ich arbeite gerne an Projekten mit maschinellem Lernen, Deep Learning...
Level 2
Hat hohe Leistungskriterien erfüllt und verfügt über eine nachgewiesene Erfolgsbilanz bei der Erfüllung von Kundenerwartungen.
Über diesen Service
Suchst du einen Computer Vision Experten, um ein individuelles Bildklassifikations-,
Objekterkennungs- oder Gesichtserkennungssystem zu entwickeln? Du hast den richtigen Anbieter gefunden.
Ich spezialisiere mich auf den Aufbau produktionsreifer Deep-Learning-Modelle mit PyTorch, TensorFlow,
YOLOv8/YOLOv9 und OpenCV, trainiert auf deinen Daten und geliefert mit sauberem,
dokumentiertem Python-Code.
WAS ICH FÜR DICH ERSTELLE:
Bildklassifikation
- Individuelle CNN- oder feinabgestimmte ResNet-, EfficientNet-, ViT-Modelle
- Multi-Klassen- und Multi-Label-Klassifikation
- Modelle mit hoher Genauigkeit
Objekterkennung
- Echtzeit-Erkennung mit YOLOv8 / YOLOv9 / Faster R-CNN
- Individuelles Klassentraining auf deinem Datensatz
- Video- und Livestream-Erkennung
Gesichtserkennung
- Erkennungs-, Ausrichtungs- und Erkennungspipelines
- Systeme basierend auf DeepFace, FaceNet, ArcFace
- Echtzeit-Webcam
Komplette Pipeline-Dienste
- Datenaufnahme, Labeling-Anleitung & Augmentation
- Modeltraining, Bewertung & Optimierung
- REST API Deployment (FastAPI / Flask)
- ONNX-Export
WARUM KUNDEN MICH WÄHLEN:
Mehr als 3 Jahre praktische Erfahrung in ML/DL
Zertifiziert von DeepLearning.ai
Jede Lieferung beinhaltet Code, Modelldatei, requirements.txt & Bewertungsbericht
Bitte schreibe mir vor der Bestellung eine Nachricht.
Mein Portfolio
FAQ
Automatische Übersetzung
Wie viele Klassen können Sie mit maschinellem Lernen klassifizieren?
Bis zu 1000 Klassen können mit maschinellem Lernen klassifiziert werden!
Kann man das Gesichtserkennungssystem für jedes lebende Tier anpassen?
Ja! Ich kann mit den richtigen gegebenen Datensätzen.
Können Sie ein Gesichtserkennungssystem für die Anwesenheit bauen?
Ja. Natürlich kann ich ein Gesichtserkennungssystem für die Anwesenheitskontrolle aufbauen.
Welche Frameworks verwendest du für den Bau dieser Modelle?
Ich nutze hauptsächlich PyTorch und TensorFlow/Keras. Für Objekterkennung setze ich YOLOv8/YOLOv9 ein, und für Klassifikation fine-tune ich Modelle wie ResNet, EfficientNet und ViT, je nach Genauigkeitsanforderungen.
Muss ich meinen eigenen Datensatz bereitstellen?
Nicht unbedingt. Ich kann mit deinen Daten arbeiten, offene Datensätze verwenden oder bei Datensammlung und Augmentierungsstrategien helfen. Wenn du einen kleinen Datensatz hast, setze ich Transfer Learning ein, um die Genauigkeit zu maximieren.
In welchem Format wird das Modell geliefert?
Ich liefere Modelle im .pt-Format (PyTorch), .h5 oder SavedModel (TensorFlow) und kann sie auch nach ONNX exportieren, um plattformübergreifend eingesetzt zu werden. Python-Inferenzskripte und requirements.txt sind immer dabei.
Kannst du das Modell in eine Cloud oder Web-App deployen?
Ja, im Premium-Paket baue und deploye ich mit FastAPI oder Flask und kann auf AWS, GCP oder Hugging Face Spaces hosten. Für Tests gibt es einen Link zu einer Live-Demo.
Welche Genauigkeit kann ich erwarten?
Die Genauigkeit hängt von der Datenqualität und der Komplexität der Klassen ab. Bei einem sauberen Datensatz mit über 500 Bildern pro Klasse liegt die typische Genauigkeit bei 90–97 %. Ich teile immer einen vollständigen Bewertungsbericht (Verwirrungsmatrix, F1, mAP) bei jeder Lieferung.
