Ich erstelle eigene YOLO-Objekterkennungs- und Segmentierungsmodelle in Python
AI/ML-Ingenieur
Über diesen Service
Suchst du nach einem Computer-Vision-Modell, das mit deinen eigenen Bildern funktioniert? Ich trainiere und liefere ein individuelles YOLO-Modell zur Objekterkennung oder -segmentierung, ready-to-use in deinem Projekt.
Was ich bauen kann:
- Objekterkennung und -zählung (Produkte, Fahrzeuge, Personen, Defekte)
- Bildsegmentierung mit YOLO-seg oder SAM2
- OCR für Text, Etiketten und Nummernschilder
- Erkennung und Nachverfolgung in Video oder Webcam
Was du bekommst:
- Ein trainiertes Modell (PyTorch oder ONNX), feintuning auf deine Daten
- Genauigkeitsbericht (mAP, Präzision, Recall) mit Beispielergebnissen
- Sauberer Python-Code, um es auf Bilder, Video oder Webcam auszuführen
- FastAPI-Endpunkt oder einfache Web-Demo (Premium)
- Kostenlose Korrekturen 7 Tage nach Lieferung
Noch keine gelabelten Daten? Ich labeliere dir eine kleine Datensammlung oder starte mit einem vortrainierten Modell.
Tools: Python, Ultralytics YOLO, SAM2, OpenCV, PyTorch, FastAPI.
Schick mir ein paar Musterbilder und dein Ziel, und ich empfehle dir das passende Paket, bevor du orderst.
Expertise:
Bildverarbeitung
•
Klassifizierung
•
Objekterkennung
Programmiersprache:
Python
Tools:
Jupyter-Notizbuch
•
opencv
•
PyTorch
Frameworks:
PyTorch
FAQ
Automatische Übersetzung
Brauche ich gelabelte Daten?
Es hilft, ist aber nicht zwingend erforderlich. Ich kann dir ein kleines Datenset labeln oder von einem vortrainierten Model ausgehen. Große Labeling-Jobs werden separat angeboten.
Kann es ohne GPU laufen?
Ja. Ich kann ein leichtgewichtiges ONNX-Modell exportieren, das auf einem normalen Computer läuft. Das Training übernehme ich auf meiner Seite.
Kannst du meine eigenen benutzerdefinierten Objekte erkennen?
Ja, dafür ist das Standard-Paket gedacht. Schick mir Beispielbilder und ich bestätige es, bevor du bestellst.
Bekomme ich das Modell und den Quellcode?
Ja. Du erhältst die trainierten Model-Gewichte und den vollständigen Python-Code.

