Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Haré detección de objetos, yolo, visión por computadora, proyectos con opencv en python
Desarrollador de Python IA y Machine Learning para proyectos y automatización
Hola, soy Hamza Shakil de Pakistán, especializado en automatizaciones de IA, aprendizaje automático, detección de objetos, clasificación de imágenes, chatbots y soluciones de IA/ML basadas en Python. ...
Acerca de este Servicio
¿Necesitas una solución personalizada de detección de objetos o visión por computadora? La entrenaré de principio a fin para ti.
Servicios que ofrezco:
- Detección de objetos personalizada usando YOLOv8, YOLOv5, YOLO-NAS (modelos SOTA)
- Clasificación de imágenes, segmentación, estimación de pose
- Pipelines de OpenCV para procesamiento de video en tiempo real
- Preprocesamiento de datos, aumento y anotación
- Entrenamiento, ajuste fino y evaluación del modelo (mAP, precisión, recall)
- Despliegue con FastAPI / Flask con endpoints REST
- Contenerización con Docker
- Exportación a ONNX y TFLite para despliegue en edge
Casos de uso con los que he trabajado:
Inspección de defectos y calidad (fabricación), detección de personas y vehículos (vigilancia, tráfico), análisis de estanterías en retail, monitoreo de cultivos y vida silvestre, análisis de grabaciones con drones, imágenes médicas, detección de regiones específicas en documentos personalizados, y más.
Pila tecnológica: Python, PyTorch, TensorFlow, YOLOv8, OpenCV, FastAPI, Docker
Soy estudiante de último año de CS. Mi proyecto de fin de carrera es un sistema de detección en tiempo real con YOLOv8 y un panel empresarial completo en React, así que este es mi terreno técnico.
Alcance: Entrena lo básico con tus datos etiquetados (hasta 500 imágenes). La opción estándar añade etiquetado (200 imágenes) + API. La premium es servicio completo. Fuera de límites: 0.15$/imagen
API:
Microsoft Computer Vision AI
Lenguaje de programación:
Python
Herramientas:
Jupyter Notebook
•
opencv
•
TensorFlow
•
SimpleCV
•
PyTorch
Marcos:
Scikit-learn
•
keras
•
PyTorch
•
Panda
Mi porfolio
FAQ
Traducción automática
¿Qué versión de YOLO usas para detección de objetos?
Por defecto YOLOv8 (rápido, preciso, fácil de desplegar). Disponible YOLOv5 y YOLO-NAS si tu caso de uso lo requiere.
¿También puedes manejar clasificación de imágenes o segmentación?
Sí — clasificación con CNNs (ResNet, EfficientNet) y segmentación por instancia o semántica con YOLOv8-seg o Mask R-CNN. Mándame tu caso de uso.
¿Qué precisión o mAP puedo esperar?
Depende del tamaño y calidad del dataset. Con más de 500 imágenes limpias y etiquetadas, un mAP@0.5 de 0.7 a 0.85 es típico. Objetos pequeños u ocluidos reducen esto. Una estimación honesta antes de que hagas el pedido.
¿Manejas etiquetado y anotación de datos?
Sí — la opción estándar incluye hasta 200 imágenes etiquetadas, la premium hasta 500. Trabajos más grandes a 0.15$/imagen como complemento personalizado.
¿Puedes desplegar el modelo con FastAPI o Docker?
Sí — la opción estándar incluye endpoint de inferencia con FastAPI, la premium despliegue completo en Docker en la nube.
