Ich erstelle maßgeschneiderte Computer Vision, Objekterkennung und Gesichtserkennungsmodelle
Machine Learning Ingenieur
Über diesen Service
Suchst du einen Computer Vision Engineer, der individuelle Objekterkennungsmodelle, Gesichtserkennungssysteme oder Echtzeit-Videoanalysen entwickelt? Du bist hier genau richtig!
Ich spezialisiere mich auf die Entwicklung von End-to-End-Computer-Vision-Lösungen mit PyTorch, OpenCV, YOLOv8 und Vektor-Suchindexierung. Ob du maßgeschneiderte Keypoint-Erkennung, Multi-Kamera-CCTV-Überwachung oder hochpräzise Bildklassifikation brauchst – ich liefere optimierte Lösungen in Produktionsqualität.
Was ich anbiete:
- Objekterkennung & Keypoint-Tracking: Individuelles Training von YOLOv8/PyTorch-Modellen für Objekte, Keypoints und präzise visuelle Transkription.
- Gesichtserkennung & Überwachung: Identitätsabgleich in unter 100 ms mit Hugging Face Embeddings (FaceNet) + FAISS Vektor-Suche.
- Echtzeit-Videoanalysen: Verarbeitung von Multi-Kamera-CCTV-Streams (über 25 FPS), Frame-Drop-Optimierung und automatisierte Alarm-Engines (SMS/E-Mail).
- Hybride Deep-Learning-Modelle: Vision Transformers (Swin Transformer), CNNs, Feature-Extraction und Zero-Shot-Anomalieerkennung.
- Full-Stack CV-Integration: Flask-Webanwendungen, Docker-Containerisierung und Cloud-Deployment.
Warum du mich wählen solltest?
- Nachgewiesene Erfahrung im Bereich: Entwicklung von KI-Überwachungssystemen, die gleichzeitige CCTV-Streams verarbeiten.
APIs:
Andere
Programmiersprache:
Python
•
SQL
•
Colab
•
NoSQL
Tools:
Jupyter-Notizbuch
•
opencv
•
tensorflow
•
MLflow
•
CVAT
•
Colab
•
PyTorch
Frameworks:
scikit-learn
•
keras
•
PyTorch
•
Panda
Meine weiteren Dienstleistungen im Bereich Datenwissenschaft & ML
FAQ
Automatische Übersetzung
Kannst du YOLOv8 auf meinem eigenen Datensatz trainieren?
Ja! Ich kann dein Dataset annotieren oder verarbeiten, ein benutzerdefiniertes YOLOv8-Modell für Objekterkennung oder Keypoint-Erkennung trainieren und die Leistung bewerten (mAP, Recall, Precision).
Wie schnell ist das Gesichtserkennungs- / Identitätsabgleichssystem?
Durch die Integration von Deep-Feature-Embeddings mit FAISS-Vektorindexierung erfolgt der Identitätsabgleich in weniger als 100 ms bei über 500 registrierten Profilen, ohne dass die Video-Streams verzögert werden.
Kann dein System Live-CCTV- oder Multi-Kamera-Feeds verarbeiten?
Ja. Ich baue Echtzeit-Videoverarbeitungs-Pipelines in OpenCV, die Multi-Stream-Videos mit über 25 FPS ohne Frame-Drops verarbeiten.
Bekomme ich die vollständigen Modelgewichte und den Source-Code?
Absolut. Du erhältst den vollständigen Python-Source-Code, Modelgewicht-Dateien (.pt, .onnx oder .h5), Installationsanweisungen und eine saubere Dokumentation.

