Proporcionaré soluciones de segmentación semántica y panóptica de instancias.

EXPERIENCIA CENTRAL EN SEGMENTACIÓN SEMÁNTICA/INSTANCIAL/PANÓPTICA:

Modelos de Fundación: modelos preentrenados SOTA SAM, Grounded SAM, SEEM, YOLOE

Transformadores: Mask2Former, Segmentador, Swin, SETR

CNN: familia U-Net, U²-Net, PSPNet y DeepLab

MEJORA Y REFINAMIENTO:

Aumento: Albumentaciones, Kornia, etiquetado débil/pseudo

Fusión multiescala: FPN, ASPP para una mejor generalización

Posprocesamiento: CRF, TTA, predicciones de conjunto, suavizado de límites operaciones morfológicas, análisis de componentes

Backbones: Swin, DINOv2, MobileViT para un contexto enriquecido

Transformador CNN híbrido: inferencia más rápida con alta precisión

PILA DE TECNOLOGÍA:

Marcos: MMSegmentation, Detectron2, bibliotecas PyTorch/TF personalizadas

OPTIMIZACIÓN E IMPLEMENTACIÓN:

TensorRT, OpenVINO, DeepStream

Flask/FastAPI para canales de inferencia escalables

EXPERIENCIA EN EL DOMINIO:

I+D/Modelos personalizados: Segmentación de conjuntos, nuevos emparejamientos de cabeza-espina dorsal, canales de fusión

Comercio minorista/Moda: Análisis de prendas, detección de accesorios, pruebas virtuales

Deportes: Segmentación de jugadores, seguimiento de poses, enmascaramiento centrado en la acción

Imágenes médicas: tumores/órganos a partir de TC/RM; portaobjetos histológicos semisupervisados; compatibilidad con DICOM/NIfTI

Satélite: Segmentación multibanda, detección de cambios, flujos de trabajo GeoTIFF/QGIS