Ich trainiere maßgeschneiderte Bildsegmentierungs- und Klassifikationsmodelle
Maschinenlern-Ingenieur und Spezialist für Computer Vision
Über diesen Service
Möchtest du Regionen in deinen Bildern markieren oder eine Kategorie pro Bild vorhersagen?
Ich trainiere ein maßgeschneidertes Modell zur Bildsegmentierung oder Bildklassifizierung auf deinem gelabelten Datensatz.
Für semantische Segmentierung kann ich ein PyTorch-Modell mit U-Net oder DeepLabV3+ trainieren, um Pixelmasken zu erzeugen. Falls du für jedes Objekt eine separate Maske brauchst, kann ich eine Instanzsegmentierung basierend auf deinen Annotationen abstecken.
Für die Bildklassifizierung nutze ich Transfer Learning mit Modellen wie ResNet oder EfficientNet, um Kategorien wie Produkttypen oder Defektklassen vorherzusagen.
Du erhältst trainierte Gewichte, Python-Quellcode, ein lauffähiges Inferenz-Skript, Beispielvorhersagen und Setup-Anweisungen. Ich berichte task-geeignete Metriken für gehaltene Bilder, wie IoU oder Dice für Maske und pro-Klasse F1 für die Klassifikation.
Sende ein paar Musterbilder, deine Labels und das gewünschte Output. Ich bestätige, welches Paket passt.
APIs:
Microsoft Computer Vision AI
•
Google Cloud Vision API
Programmiersprache:
Python
•
SQL
•
Colab
•
Java
•
MLflow
Tools:
Jupyter-Notizbuch
•
opencv
•
OpenNN
•
tensorflow
•
CVAT
•
Colab
•
PyTorch
Frameworks:
scikit-learn
•
SimpleCV
•
keras
•
PyTorch
•
Panda
Mein Portfolio
Meine weiteren Dienstleistungen im Bereich Datenwissenschaft & ML
FAQ
Automatische Übersetzung
Kann ich nur Segmentierung oder nur Klassifikation bestellen?
Ja. Basic und Standard decken jeweils eine Aufgabe ab. Wähle Segmentierung für Pixelmasken oder Klassifikation für Bild-aufgabenkategorie.
Welche Labels muss ich bereitstellen?
Für Segmentierung: Teile Bilder mit passenden Masks oder Polygonannotationsn. Für Klassifikation: Teile gelabelte Ordner oder eine Datei, die jedes Bild seiner Klasse zuordnet. Falls du beides brauchst, gib beide Label-Typen an.
Kannst du mit unlabeled Bildern arbeiten?
Schick eine kleine Beispieldatei und die ungefähre Bildanzahl. Dann prüfe ich, ob ein vortrainiertes Demo-Modell geeignet ist, oder bestätige, welches Annotation für das Custom Training benötigt wird.
Welche Ergebnisse kann ich erwarten?
Die Leistung hängt vom Datensatz und der Labelqualität ab. Ich berichte Ergebnisse auf ausgesuchten Bildern und zeige Beispiele von Vorhersagen, inklusive typischer Fehler, wo sinnvoll.
Kann derselbe Arbeitsablauf zeigen, wo ein Defekt liegt, und zugleich dessen Typ identifizieren?
Ja. Beispielsweise kann die Pipeline eine Maske erzeugen, die den Defektbereich zeigt, sowie ein bildbasiertes Defekt-Label liefern. Teile deine Muster und Annotationen, damit ich den Umfang bestätigen kann.
Bekomme ich den Code und die Modelgewichte?
Ja. Jeder Service beinhaltet die trainierten Gewichte, Python-Quellcode, ein Inferenzskript und Anweisungen, wie man eine Muster-Vorhersage ausführt.

