Budżet: 3000 USD Termin: 10 dni
Dzień dobry, zainteresował mnie Państwa projekt. Będę zadowolona z współpracy, proszę napisać w wiadomościach prywatnych freelancera w celu kontaktu.
Rozwój usługi, która pobierze obraz z obiektami takimi jak okna i drzwi.
wykrywanie obiektów na obrazie. Obiekty - okna, drzwi przesuwne.
Wykrywanie obiektów - aby wykryć okno lub drzwi przesuwne.
Analiza obiektów - ilość sekcji i powierzchnia obiektu (przybliżona).
Budżet: 3000 USD Termin: 10 dni
Dzień dobry, zainteresował mnie Państwa projekt. Będę zadowolona z współpracy, proszę napisać w wiadomościach prywatnych freelancera w celu kontaktu.
Budżet: 3000 USD Termin: 25 dni
Drogi kliencie,
Mam solidne doświadczenie w widzeniu komputerowym i detekcji obiektów na podstawie obrazów, szczególnie w identyfikacji elementów strukturalnych, takich jak okna i drzwi przesuwne. Dla Twojego projektu zbuduję niezawodny model detekcji, przeanalizuję każdy obiekt, obliczę liczbę sekcji i oszacuję powierzchnię obiektu z wysoką dokładnością. Dostarczę czysty kod, szczegółową dokumentację i stabilne wyniki.
Dziękuję za rozważenie mojej oferty i czekam na współpracę.
Budżet: 3000 USD Termin: 20 dni
Witam, projekt jest dość interesujący. Technicznie detekcja i zliczanie sekcji można zrealizować. Główne pytanie dotyczy obliczania powierzchni, na zdjęciu nie można zrozumieć skali. Na przykład, okno o wymiarach 2x2 metry, zrobione z 10 metrów, zajmuje tyle samo pikseli, co okno 1x1 metr, zrobione z 5 metrów. Dlatego nie warto opierać się na tym wskaźniku. Do szkolenia pierwszej wersji modelu potrzebuję od was jak najwięcej zdjęć różnych typów okien i drzwi, które będą używane w serwisie. Chcę dowiedzieć się więcej, jak widzicie logikę wykorzystania waszego przyszłego serwisu oraz jakie zdjęcia w ogóle będą do niego trafiać (zdjęcia słabej średniej jakości lub bardziej profesjonalne zdjęcia wnętrz).
Budżet: 3990 USD Termin: 29 dni
Dzień dobry!
Nazywam się Walentyn z Arctic Web. Zajmujemy się doradztwem IT oraz pełnym cyklem rozwoju: od projektowania UX/UI po rozwój stron internetowych i aplikacji mobilnych oraz integracje. Jesteśmy gotowi podjąć się realizacji Twojego projektu i podzielić się przykładami podobnych przypadków w wiadomościach prywatnych.
Z poważaniem,
Zespół Arctic Web Freelancehunt
Budżet: 3000 USD Termin: 15 dni
Jestem gotów zrealizować ten projekt, mam duże doświadczenie w tworzeniu różnych aplikacji.
Budżet: 3000 USD Termin: 20 dni
Cześć Anton,
Przeanalizowałem Twoją prośbę o usługę detekcji okien/drzwi. Chociaż detekcja obiektów (identyfikacja "okna") jest standardowa, wymóg obliczenia powierzchni i zliczenia sekcji stanowi specyficzne wyzwanie w zakresie widzenia komputerowego, które wymaga więcej niż tylko podstawowego modelu AI.
Jako certyfikowany programista Pythona PCAP™ oraz student informatyki z naciskiem na Full Stack i AI, oto techniczne podejście, które proponuję, aby zapewnić dokładność:
1. Detekcja obiektów (Okna i Drzwi)
Wykorzystam YOLOv8 (You Only Look Once) wytrenowane na niestandardowym zbiorze danych elementów architektonicznych. To jest lepsze niż ogólne API (takie jak Google Vision), ponieważ możemy je dostosować specjalnie do rozróżnienia między "Drzwiami Przesuwnymi" a "Okna Stałymi."
2. Wyzwanie "Powierzchni" (Problem Fizyczny)
Obraz 2D nie ma wbudowanej skali. Aby dokładnie obliczyć powierzchnię ($m^2$), nie możemy po prostu zliczać pikseli. Zaimplementuję dla Ciebie dwie opcje:
Tryb Referencyjny: Użytkownik umieszcza standardowy obiekt (np. monetę lub papier A4) lub definiuje wysokość referencyjną (np. "Zakładając, że drzwi mają $2.1 \text{ m}$").
Homografia/Korekcja Perspektywy: Używając OpenCV do korekcji kąta, jeśli zdjęcie zostało zrobione z boku, zapewniając, że obliczona powierzchnia nie jest zniekształcona.
3. Zliczanie Sekcji (Szczegółowa analiza)
Gdy okno zostanie wykryte, uruchomię wtórny algorytm detekcji krawędzi OpenCV (Canny/Linie Hougha) w obrębie prostokątnego obszaru, aby zliczyć pionowe/horyzontalne dzielniki (słupki). To pozwala nam dokładnie raportować: "1 Okno, 3 Sekcje."
Wynik końcowy:
Usługa internetowa Full-Stack (Frontend Next.js + Backend Python FastAPI), w której przesyłasz obraz i otrzymujesz wizualną nakładkę + raport JSON z danymi.
Jestem gotów natychmiast zbudować dowód koncepcji (PoC) dla logiki detekcji.
Z poważaniem,
Revaz Goguadze
Budżet: 3000 USD Termin: 30 dni
Dzień dobry, Opracuję usługę do wykrywania potrzebnych obiektów na obrazach z analizą danych obiektów, proszę o kontakt, będę zadowolony ze współpracy.
Budżet: 3000 USD Termin: 4 dni
Cześć, Anton.
Już mam zrealizowane zadanie. Wdrożyłem je dla innej firmy. Wszystko to zostało wdrożone na platformie N8. Integracja usługi Mistral, która działa jako rozpoznawanie obiektów na obrazie z ich szczegółowym opisem. To można również wdrożyć przez Google Vision i przez OpenAI. To już zależy od poziomu szczegółowości, którego potrzebujesz, oraz dalszego przekazania. Wszystko to można zrealizować w krótkim czasie przy użyciu mojej logiki. Dlatego skontaktuj się ze mną. Możesz zobaczyć wyniki w moim portfolio. Można je dostosować do różnych typów. Dziękuję. Skontaktuj się, będę czekał na wiadomość.
Budżet: 3000 USD Termin: 21 dni
Cześć!
Mogę zbudować narzędzie do obrazów, aby użytkownik mógł przesłać zdjęcie i zobaczyć okna lub drzwi przesuwne oznaczone bezpośrednio na obrazie. Pod zdjęciem będą wyraźne wyniki pokazujące liczbę obiektów, ich sekcje i przybliżone powierzchnie.
Aby uprościć obliczenia powierzchni, ale uczynić je bardziej dokładnymi, dodam małego wbudowanego pomocnika, który odczyta jeden punkt odniesienia ze zdjęcia, na przykład rękę lub róg ściany, aby usługa mogła skalować swoje oszacowania bez potrzeby pomiarów. To utrzymuje szybki i przyjazny dla użytkownika przebieg.
Dziękuję!
Budżet: 3000 USD Termin: 10 dni
Cześć, Anton
Mogę napisać ten kod w pythonie.
Budżet i terminy omówione w wiadomości prywatnej.
Budżet: 3000 USD Termin: 10 dni
Cześć,
Jestem programistą Pythona.
Zrealizowałem wiele podobnych projektów.
Jestem gotowy podjąć się nowej pracy i wykonać ją szybko i efektywnie.
Dostarczam wysokiej jakości pracę na czas.
Możesz przeczytać opinie.
Budżet: 3000 USD Termin: 30 dni
Witam, mogę opracować usługę w Pythonie, która przyjmuje zdjęcia, identyfikuje na nich okna i drzwi przesuwne, a także liczy liczbę sekcji i przybliżoną powierzchnię obiektów.
Do detekcji używam: Python (YOLOv8/YOLOv9, OpenCV, PyTorch.)
Do backendu: Python (FastAPI lub Flask.)
Mogę to zrobić w formie aplikacji PWA, która będzie działać jak aplikacja mobilna bezpośrednio z przeglądarki i pozwoli na robienie zdjęć oraz wysyłanie ich do analizy.
Dzień dobry,
proponuję zastosowanie technologi OCR działającej na bazie sztucznej inteligencji do odczytywania obrazów. Model jest w stanie odczytać kształt obiektu, stwierdzić czy okno jest jednoskrzydłowe czy dwuskrzydłowe oraz inne elementy, a także odczytać tekst (również odręcznie pisany), taki jak wymiary czy inne notatki. Mogę przygotwać dla Pana wersję demo, przygotuje formularz WEB gdzie będzie Pan mógł dodać zdjęcie i otrzyma Pan tekst opisujący zdjęcie.
Zapraszam do kontaktu.
Pozdrawiam
Adam
Hi Adam.
Sounds very interesting!
Will be happy to get demo version of this technology.
Does it capable to estimate object area?
Oczywiście mogę przygotować demo takiego rozwiązania, jednak potrzebowałbym od Ciebie przykład takiego obrazu do odczytania (1-2 pliki, żebym mógł dostosować model, aby poprawnie odczytywał wszystkie elementy). W tym oknie chatu chyba nie można wysyłać obrazów ale możesz je przesłać na mój firmowy adres - 'kontakt [at] workflowsystems [dot] pl' lub napisać do mnie jakaś wiadomość. Przepraszam za format podania adresu ale tu nie powinno się podawać danych kontaktowych. Później możemy wrócić tutaj na portal aby sfinalizowac zlecenie. Proszę daj mi znać, że wysłałeś do mnie wiadomość.
Pozdrawiam
general question - do you have basic level of English?
Just will be more productive to communicate on english if we decide to start this project.
Anton,
I’ve already put together a small PoC for your task: on several typical façade photos the service detects windows/sliding doors, counts sections and returns their area in pixels as JSON plus a visual overlay. I’d be happy to test it on 1–2 of your real images (without any sensitive data) and show you the results here on the platform.
programisty do tworzenia botów AI - system wieloagentowy i automatyzacji w aplikacji AI. Co jest potrzebne: znajomość n8n; doświadczenie w integracji OpenAI i innych modeli AI przez API; praca z webhookami, REST API i Supabase; umiejętność tworzenia niezawodnych workflow AI i automatyzacji. Tworzenie systemów wieloagentowych od podstaw lub z frameworkiem Agenci AI, MCP, RAG
Liczenie gotowych produktów i ludziProdukty niezgodne. Na przykładzie wysoko wydajnej linii, zapewnić dokładne liczenie przepustowości, udziału siły roboczej, wykrywania niezgodności oraz kontekstu zatrzymań/przeprogramowań, dostarczając gotowe informacje analityczne.
Dzień dobry, co jest potrzebne: 1. Przeprowadzić analizę procesów (osobistych kierownika) oraz biznesu. 2. Zastanowić się, gdzie (w jakich procesach) można wdrożyć asystentów AI. Gdzie będzie to uzasadnione i efektywne. 3. Przygotować rozwój. Zajmujemy się publikacjami artykułów naukowych.
Cześć wszystkim! Szukamy testera dla portfela internetowego z AI. Projekt jest na początku, trzeba sprawdzić podstawy: rejestrację, transfery tokenów, swap, wypłatę. Ważne jest doświadczenie w zakupie i wypłacie kryptowalut wcześniej, aby po prostu rozumieć, jak pracować. Kto może zacząć teraz?
Poszukujemy inżyniera 3D GenAI / dewelopera AI 3D Pipeline Potrzebujemy stworzyć rozwiązanie, które będzie w stanie jakościowo generować modele 3D z jednego lub kilku obrazów. Ważne, aby to nie była tylko gotowa demka, ale zrozumiały i powtarzalny proces: od wejściowego obrazu do pełnoprawnego zasobu 3D z siatką, geometrią, teksturami i możliwością dalszego wykorzystania. Co należy zrobić: * przetestować nowoczesne modele image-to-3D i podejścia; * określić, która opcja najlepiej pasuje do naszego zadania; * rozumieć Trellis, Hunyuan3D lub podobne rozwiązania; * w razie potrzeby wykorzystać Gaussian Splatting w 3D-pipeline; * skonfigurować konwersję Gaussian Splat / splat-reprezentacji na 3D mesh; * uzyskać użyteczną geometrię; * wygenerować tekstury wysokiej jakości; * doprowadzić wynik do stanu użytecznego zasobu 3D; * dobrać optymalną równowagę między jakością, szybkością generacji a złożonością pipeline; * zbudować zrozumiały proces, który można powtarzać dla różnych obrazów; * wykonać fine-tuning, LoRA lub inne adaptacje modeli pod konkretny typ obiektów; * umieć pracować z ComfyUI: rozumieć grafy, korzystać z API ComfyUI i w razie potrzeby pisać niestandardowe węzły. W odpowiedzi koniecznie pokażcie kilka przykładów w formacie: wejściowy obraz i uzyskany z niego model 3D. Format nie ma znaczenia: render, wideo, 3D-viewer, GLB, OBJ, FBX lub plik Blender. Przede wszystkim interesują nas realistyczne obiekty: meble, biżuteria, przedmioty wnętrzarskie, dekoracje, akcesoria i inne fizyczne towary. Przykłady z anime lub stylizowanymi postaciami nie są odpowiednie.