Ik ga modellen bouwen voor objectdetectie, classificatie en houdingschatting
Computer Vision en AI engineer, van detectie en OCR tot deployment
Niveau 2
Voldoet aan hoge prestatiecriteria en heeft een bewezen staat van dienst in het voldoen aan de verwachtingen van de klant.
Over deze dienst
Ik train en zet op maat gemaakte objectdetectie-, segmentatie-, classificatie- en pose-estimatie-modellen in - en breng ze helemaal tot real-time productie.
Voorbeelden van echte projecten: grading van trading cards door computer vision; waarschuwingdetectie op dashboard van auto’s (motor, rem, AdBlue/DPF meldingen) die op 15 FPS draait; pipelines voor document- en labelextractie.
Wat je krijgt:
- Datasetstrategie: annotatiecontrole, augmentatie, synthetische data waar het helpt
- Moderne modellen (YOLO, RT-DETR, transformers), getraind op jouw data
- Een eerlijke evaluatierapport: mAP, precisie/recall op een hold-out set - geen cherry-picking demo’s
- Real-time optimalisatie: TensorRT/ONNX, GPU of edge (Jetson), FastAPI deployment
Dagelijkse baan: computer vision engineer bij een AI startup die real-time detectie pipelines bouwt. Finalist (4e van 198 teams) van een nationale AI hackathon. 48 opdrachten, 4.9 op Fiverr.
Licenties vooraf aangegeven: AGPL-modellen (Ultralytics) versus Apache-alternatieven - jij kiest geïnformeerd.
GitHub: https://github.com/ArseniiStratiuk
Stuur me een bericht met jouw taak en voorbeeldgegevens - ik beoordeel de haalbaarheid eerlijk voordat je bestelt.
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Hoeveel afbeeldingen heb ik nodig voor goede resultaten?
Minimaal ongeveer 100 afbeeldingen per klasse voor eenvoudige objecten, 300+ voor complexe scènes. Meer data helpt altijd, maar ik haal het meeste uit kleine datasets met sterke augmentatie en parameter-efficiënte fine-tuning (LoRA) - het aanpassen van grote pretrained modellen door slechts een klein deel van hun gewichten te tunen.
Biedt u ondersteuning bij de implementatie?
Ik lever modellen in meerdere formaten (PyTorch, ONNX, TensorRT) met inference scripts. Basis deployment begeleiding is inbegrepen, maar complexe cloud/edge deployment is een extra service.
Kan het model in real time of op edge devices draaien?
Ja - dat is mijn specialiteit. Ik optimaliseer met TensorRT/ONNX voor GPU, Jetson en edge deployments, en geef echte FPS-getallen weer op jouw target hardware, niet in labtests.
Hoe zit het met modellicenties voor commercieel gebruik?
Ik geef vooraf duidelijkheid over licenties: sommige modellen (bijvoorbeeld Ultralytics YOLO) zijn AGPL en kunnen een commerciële licentie vereisen; er bestaan alternatieven zoals Apache/MIT (bijvoorbeeld RT-DETR). Jij kiest met volledige informatie.

