Door categorieën bladeren
Ontdekken
Fiverr Pro
Nederlands
$
USD
Ik maak een AI-model voor beeldclassificatie, objectdetectie en gezichtsherkenning
LLM Data Science en Full Stack Expertise en Where Code do chats
Hallo! Ik ben een techneut met vaardigheden in LLM's (Large Language Models), data science en full-stack webontwikkeling. Ik werk graag aan projecten met machine learning, deep learning en chatbotontw...
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
Ben je op zoek naar een Computer Vision expert om een op maat gemaakte Image Classification,
Object Detection of Face Recognition systeem te bouwen? Je hebt de juiste verkoper gevonden.
Ik ben gespecialiseerd in het bouwen van productieklare deep learning modellen met PyTorch, TensorFlow,
YOLOv8/YOLOv9 en OpenCV, getraind op jouw data en geleverd met schone,
gedocumenteerde Python code.
WAT IK VOOR JOU BOUW:
Image Classification
- Op maat gemaakte CNN of fijn afgestelde ResNet, EfficientNet, ViT modellen
- Multi-class en multi-label classificatie
- Modellen met hoge nauwkeurigheid
Object Detection
- Realtime detectie met YOLOv8 / YOLOv9 / Faster R-CNN
- Op maat getrainde klasse op jouw dataset
- Detectie in video en live-streams
Face Recognition
- Detectie, uitlijning en herkenningspijplijnen
- Systemen gebaseerd op DeepFace, FaceNet, ArcFace
- Realtime webcam
Complete pipeline diensten
- Data verzameling, labelingsadvies & augmentatie
- Model training, evaluatie & optimalisatie
- REST API deployment (FastAPI / Flask)
- Export naar ONNX
WAAROM KLANTEN VOOR MIJ KIEZEN:
Meer dan 3 jaar praktische ervaring met ML/DL
Gecertificeerd door DeepLearning.ai
Elke levering bevat code, modelbestand, requirements.txt & evaluatierapport
Stuur me een bericht voordat je bestelt, alsjeblieft.
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Hoeveel klassen kun je classificeren met machine learning?
Met Machine Learning kunnen maximaal 1000 klassen worden geclassificeerd!
Kun je een gezichtsherkenningssysteem aanpassen voor elk levend dier?
Ja! Dat kan ik met de juiste datasets.
Kun je een gezichtsherkenningssysteem voor aanwezigheid bouwen?
Ja. Natuurlijk kan ik een gezichtsherkenningssysteem bouwen voor aanwezigheid.
Welke frameworks gebruik je voor het bouwen van deze modellen?
Ik gebruik vooral PyTorch en TensorFlow/Keras. Voor objectdetectie gebruik ik YOLOv8/YOLOv9, en voor classificatie stem ik modellen zoals ResNet, EfficientNet en ViT af, afhankelijk van de nauwkeurigheidseisen.
Moet ik mijn eigen dataset aanleveren?
Niet per se. Ik kan werken met jouw data, open datasets gebruiken of helpen met data collectie en augmentatiestrategieën. Als je een kleine dataset hebt, pas ik transfer learning toe om de nauwkeurigheid te maximaliseren.
In welk formaat wordt het model geleverd?
Ik lever modellen in .pt (PyTorch), .h5 of SavedModel (TensorFlow), en kan ook exporteren naar ONNX voor cross-platform deployment. Python inference scripts en requirements.txt zijn altijd inbegrepen.
Kun je het model deployen naar een cloud of web app?
Ja, in het Premium pakket bouw en deploy ik via FastAPI of Flask en kan ik hosten op AWS, GCP of Hugging Face Spaces. Een live demo link wordt meegeleverd voor testen.
Welke nauwkeurigheid kan ik verwachten?
Nauwkeurigheid hangt af van de data kwaliteit en de complexiteit van de klasse. Met een schone dataset van 500+ afbeeldingen per klasse ligt de typische nauwkeurigheid tussen 90 en 97 procent. Ik deel altijd een volledige evaluatierapport (confusiematrix, F1, mAP) bij elke oplevering.
