Ik bouw en zet computer vision en vision language modellen in

Zet je visuele data om in productieklare AI-toepassingen. Ik ben gespecialiseerd in traditionele computer vision (detectie, tracking, segmentatie) en state-of-the-art Vision-Language Models (VLMs) voor multimodaal redeneren, OCR en documentbegrip.

Of je nu realtime YOLO-tracking nodig hebt of een fijn afgestelde VLM die als een lage-latentie API wordt aangeboden, ik lever geoptimaliseerde end-to-end oplossingen.

Wat ik aanbied:

• Vision-Language Models (VLMs): Fijn afstemmen en serveren van Qwen2.5-VL, Florence-2 en LLaVA voor visuele Q&A, document AI en zero-shot redeneren
• Realtime detectie & tracking: Aangepaste YOLO (v10/v11), Detectron2 en OpenCV pipelines
• Segmentatie & OCR: Instance segmentatie (SAM) en complexe tekstextractie uit documenten
• VRAM & snelheidsoptimalisatie: Modelquantisatie (AWQ, GGUF), TensorRT-conversie en vLLM/vLLM-vision servering
• Productie API & deployment: FastAPI endpoints, Dockerization en serverloze GPU-hosting (RunPod, Modal, AWS, Hugging Face)

Ondersteunde frameworks & modellen:

Qwen2.5-VL, Florence-2, YOLO, PyTorch, OpenCV, vLLM, Roboflow, FastAPI, Docker, CUDA/TensorRT.

Stuur me alsjeblieft een bericht voordat je bestelt om je dataset, VRAM-budgetten en target latency-vereisten te bespreken!