Ik zal diepe leer beeldclassificatiemodellen bouwen met tensorflow
AI-ingenieur en datawetenschapper
Over deze dienst
Ik bouw diepe leer modellen die beelden sorteren in de categorieën die jij nodig hebt, zoals producttypes, defects, gewassen of landgebruik.
Wat ik doe:
Maak en vergroot jouw beelden, gebruik transfer learning met bewezen CNN-backbones (ResNet, EfficientNet) in TensorFlow en Keras, stem het model af en test het op beelden die het nooit heeft gezien.
Wat je krijgt:
De code, het getrainde model, nauwkeurigheidsresultaten met een verwarringsmatrix en duidelijke instructies om het uit te voeren op nieuwe beelden.
Waarom samenwerken met mij:
Ik ben een ML-engineer en datawetenschapper bij Datix AI. Mijn recente werk omvat een satelliet landgebruiksclassificator op 27.000 Sentinel-2 beelden (93% testnauwkeurigheid) en een 10-klasse productbeeldclassificator op 70.000 beelden (90% nauwkeurigheid).
Stuur me een voorbeeld van jouw beelden, en ik vertel je eerlijk of je genoeg data hebt voordat we beginnen.
Programmeertaal:
Python
•
Colab
Tools:
Jupyter-notitieboek
•
opencv
•
tensorflow
Frameworks:
Scikit-learn
•
keras
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Hoeveel afbeeldingen heb ik nodig?
Met transfer learning is meestal genoeg om mee te starten ongeveer 100 tot 300 duidelijke beelden per klasse. Stuur me een voorbeeld en ik vertel het eerlijk voordat we beginnen.
Kan het model draaien op mijn eigen computer of server?
Ja. Ik levert het opgeslagen model en een eenvoudige Python-script om het op nieuwe beelden uit te voeren. Premium bevat een lichtere export voor snellere werking op normaal hardware.
Welke nauwkeurigheid kun je beloven?
Nauwkeurigheid hangt af van jouw beelden en klassen, dus ik beloof nooit van tevoren een getal. Ik rapporteer eerlijke testnauwkeurigheid op ongeziene beelden en leg uit waar het model fouten maakt.

