Ik bouw aangepaste yolo object detection en tracking voor afbeeldingen en video
Python Data Automation en Computer Vision engineer
Niveau 1
Voldoet aan bepaalde prestatiecriteria en toont een sterke potentie op de marktplaats.
Over deze dienst
Je camera legt de scène al vast. Het ontbrekende stuk is een systeem dat je kan vertellen wat er is verschenen, waar het naartoe bewoog en hoe vaak het een lijn heeft gekruist.
Ik bouw op maat gemaakte YOLO object-detectie en tracking systemen voor beelden, opgenomen video en live camerafeeds. De oplossing wordt gevormd rondom jouw echte footage, doelobjecten, verlichting, camerapositie en hardware — niet een generieke demonstratie getraind op niet-gerelateerde data.
Ik kan leveren:
- Op maat gemaakte YOLO training en fine-tuning
- Multi-object tracking met stabiele ID's
- Tellen, lijn kruisingen, zones en gebeurtenisregels
- Image, video, webcam of RTSP inferentie
- Validatiemetrics en geannoteerde testresultaten
- Python broncode, getrainde gewichten en setup begeleiding
- FastAPI, Docker, ONNX of TensorRT deployment opties
Stuur de doelobjecten, voorbeeld footage, datasetstatus en deployment omgeving. Ik beoordeel wat realistisch is, definieer de juiste eerste versie en bouw een systeem dat je op echte data kunt testen.
Geen opgeblazen nauwkeurigheidsbeloftes. Geen levering alleen via notebook. Gewoon een duidelijk, getest vision pipeline die voor de klus is gebouwd.
API's:
Amazon Rekognition
•
Overige
Programmeertaal:
Python
Tools:
Jupyter-notitieboek
•
opencv
•
tensorflow
•
MLflow
Frameworks:
Scikit-learn
•
keras
•
PyTorch
•
Overige
Mijn portfolio
Veelgestelde vragen
Automatische vertaling
Moet ik een dataset aanleveren?
Voor aangepaste objecten heb je meestal gelabelde afbeeldingen nodig die de echte omgeving weergeven. Ik zal de dataset beoordelen voordat ik begin met trainen en uitleggen of de grootte, labels en variatie geschikt zijn.
Kun je een pretrained YOLO-model gebruiken?
Ja, wanneer de benodigde objecten al bestaan in een ondersteunde pretrained dataset. Voor gespecialiseerde objecten levert fine-tuning op je eigen gelabelde afbeeldingen meestal een relevantere oplossing op.
Kan het systeem objecten volgen en tellen?
Ja. Ik kan persistente ID’s toewijzen, objecten tellen, lijnovergangen detecteren en afgesproken gebieden binnen opgenomen video of live feeds monitoren.
Werkt het in real time?
Dat hangt af van de modelgrootte, videokwaliteit, aantal camera’s en de doelhardware. Ik beoordeel de verwachte omgeving voordat ik een real-time snelheid beloof.
Ontvang ik de broncode en getrainde gewichten?
Ja. Elk pakket bevat de afgesproken Python broncode, getrainde modelgewichten en instructies voor het draaien van het geleverde systeem.
Kun je het implementeren op een server of edge device?
Ja. Implementatie op een afgesproken cloudserver, NVIDIA Jetson, ondersteunde lokale machine of een andere geschikte omgeving is beschikbaar in Premium of als extra.
Kun je mijn dataset annoteren?
Kleine correcties kunnen besproken worden, maar volledige annotatie wordt afgehandeld via de aparte image en video annotation Gig. Zo blijven scope en kwaliteitsverwachtingen duidelijk.
Kun je een specifieke nauwkeurigheid garanderen?
Geen serieuze engineer kan nauwkeurigheid garanderen voordat hij de data en operationele omstandigheden heeft beoordeeld. Ik lever validatieresultaten, leg beperkingen uit en laat zien hoe het systeem presteert op niet-gebruikte voorbeelden.
Kun je specifieke personen identificeren?
Deze Gig richt zich op objectklassen, beweging en telling — niet op het identificeren van individuen of het bouwen van ongeautoriseerde biometrische surveillancesystemen.

