Массовая обработка фото товаров с помощью AI

Бюджет: 11000 UAH Срок: 4 дня

Здравствуйте! Задание понятное: нужно пакетно обработать 38 000 фото из Google Drive с помощью AI (детекция двух типов фотозон, Inpainting/Inpainting-lama с очисткой бренд-элементов и восстановлением фона без затрагивания товара, генерация обновленной структуры и Excel).

Реализую это на Python:

Асинхронная загрузка и выгрузка фото через Google Drive API / PyDrive2.

AI-пайплайн для генерации масок фотозон и их инпейнтинга (ControlNet / LaMa / Inpainting модели) с обработкой на GPU на базе скриптов автоматизации.

Валидатор для автоматической проверочной фильтрации фото без фотозон (остаются без изменений).

Автоматическое создание структуры папок и генерация итогового Excel (openpyxl).

Готов сделать бесплатный тест на 10-20 фото из вашей папки, чтобы согласовать качество. Напишите в личные сообщения, обсудим детали и предоставлю точный расчет. Развернуть

Бюджет: 26460 UAH Срок: 7 дней

Здравствуйте, я недавно делал похожий пайплайн массовой обработки фото товаров под e-commerce: автоматическое определение фотозоны, удаление брендированных элементов (логотипы, телефон, надписи) с восстановлением фона по текстуре и освещению, сохранение товара без изменений. Чтение Excel с номерами объявлений и URL, обход структуры папок на Google Drive и сохранение нового дерева с теми же номерами тоже было частью той же задачи.

Если у вас встречаются фото с двумя фотозонами в одном кадре, стоит сразу добавить шаг с детекцией нескольких зон и очередью на ручной просмотр сомнительных кейсов, это снижает брак примерно на 10-15%.

Однократная обработка или потом будут регулярные партии, и есть ли примеры фото, где фотозона занимает большую часть кадра, за товаром? Это влияет на выбор модели inpainting.

Предлагаю связаться, я подготовлю схему пайплайна под ваши 38000 фото на Python с детекцией зон и inpainting, с сроками и технологиями под ваш кейс.

Бюджет: 11000 UAH Срок: 5 дней

38 000 фото — это тот масштаб, где вопрос не «уберет ли AI логотип», а «что произойдет на тех двух процентах, где он ошибется». 2% от 38 000 — это 760 испорченных фото, и найти их глазами уже нереально. Поэтому пайплайн строю вокруг контроля, а не вокруг самого инпейнтинга.

Как сделаю:
1. Калибровка на 300–500 фото из разных объявлений и ракурсов. Показываю результат и мы фиксируем критерий приемки: что считаем чистым фоном, что допустимо, что нет. Только после вашего «да» запускаю остальное.
2. Детекция фотозоны — отдельный шаг от удаления. Каждое фото классифицирую: зона №1 / зона №2 / зоны нет, и сохраняю решение с оценкой уверенности. Фото без зоны не трогаю вообще, как вы и просили.
3. Удаление бренд-элементов инпейнтингом по маскам под конкретную зону, с восстановлением текстуры, цвета и освещения фона. Границы товара защищаю отдельной маской, чтобы края не «съедало».
4. Автоматический контроль качества: фото с низкой уверенностью детекции или с аномально большой площадью изменений иду не в «готовое», а в отдельную папку «на проверку». Это главная отличительная черта от «прогнать пакетом» — вы видите сомнительные случаи, а не получаете их тихо среди остальных.
5. На выходе: новая папка на Google Drive с такой же структурой по номерам объявлений, обновленная Excel-таблица с ссылками и третьим файлом — отчет: сколько обработано, сколько оставлено без изменений, сколько в «на проверку» и почему.

Технологии: Python, Google Drive API, детекция зон + инпейнтинг (LaMa или SD-inpaint — выберу после калибровки, на ваших реальных фото видно, что лучше держит фон), pandas для таблицы.

11 000 грн, 5 дней вместе с калибровкой.

Вопрос: фотозона — это физический баннер или стена с надписями позади товара, или наложенные пост-обработкой надписи и логотипы поверх кадра? Это разные по риску задачи: наложенное снимается почти без следов, а физический баннер приходится дорисовывать — и именно там берутся те проценты брака, ради которых и нужно калибровка. Развернуть

Бюджет: 20000 UAH Срок: 21 день

Привет! Задание понятное: нужно обработать ~38 000 фото, выявить фотозоны и убрать с них брендированные элементы (логотипы, номера телефонов, надписи), не трогая товар и фон.

Для этого использовал бы комбинацию: детекция фотозон через vision-модель (GPT-4o или Google Vision), инпейнтинг через Stable Diffusion с ControlNet или SDXL Inpaint, координация всего процесса через Python-скрипт, который читает Excel, берет URL/папки из Google Drive и сохраняет результат в новую структуру с обновлением таблицы.

Критическое место здесь - качество инпейнтинга: фон нужно сохранить натурально, поэтому перед стартом сделаю тест на ~100-200 фото и покажу результат для подтверждения. Процессинг партиями с Google Drive API, без ручной загрузки.

Ориентировочный срок: 2-3 недели после подтверждения качества теста. Стоимость: $600-900 в зависимости от сложности фотозон и количества итераций. Готов обсудить детали.

Бюджет: 7900 UAH Срок: 10 дней

Здравствуйте! Я Сергей, у меня 8 лет опыта в IT на различных технологиях: web/mobile, backend, API, интеграции, автоматизация и работа с данными.
Вижу главную задачу так: Массовая обработка фото товаров с помощью AI. Нужно выполнить разовую массовую обработку фотографий товаров с помощью AI. Выходные данные Excel-таблица с...

Скиллы под задачу:
- AI/ML, RAG и автоматизация
- архитектура решения
- разработка, тестирование и доведение до релиза
- поддержка после запуска

Портфолио: https://software.campstudio.net/#showcases

Бюджет: 4000 UAH Срок: 10 дней

Доброго дня!

Понимаю, почему эту задачу непросто оценить заранее: 38 000 фото с разными ракурсами и расстоянием — это не типичная "пакетная" обработка, здесь важна именно качество распознавания фотозоны на нетипичных кадрах.

Поэтому предлагаю не просто поверить мне на слово, а проверить на деле: готов бесплатно обработать 5-10 ваших реальных фото (разные ракурсы, оба варианта фотозоны) в течение дня после получения доступа — чтобы вы увидели результат еще до любой оплаты или соглашения.

Технологии: детекция фотозоны (с учетом того, что шаблонов лишь два — это упрощает обучение/настройку) + inpainting-модель (LaMa) для восстановления фона без следов логотипа, с сохранением освещения и текстуры. Пайплайн полностью автоматизирован: Excel → Google Drive API → обработка → новая структура папок по номерам объявлений → обновленный Excel с ссылками.

План: бесплатный тест (сегодня-завтра) → если устраивает качество → пилот на 100-200 фото с фиксацией окончательной точности → полный объем 38 000 фото, ориентировочно 10-15 рабочих дней.

Стоимость: тест — бесплатно. Полный объем оцениваю точно после теста (по прогрессивной ставке $X/1000 фото — меньше для простых кадров, больше для сложных).

Готов начать уже сегодня — скиньте, пожалуйста, ссылку на пару папок с разными типами фото для теста. Развернуть

Бюджет: 4000 UAH Срок: 7 дней

Доброго дня
Могу взяться за выполнение вашего задания. Возьму каждую фотографию и обработаю её через ИИ (OpenAI) с использованием промта для очистки от ненужных элементов. В конце получите папку в гугл диске с фотографиями и новую Excel таблицу с обновленными ссылками. Стоимость за работу 4000 грн за написание скриптов + стоимость использования искусственного интеллекта. Стоимость работы ИИ можно будет прогнозировать после того как обработаем первую партию фотографий, и дойдем до соглашения по качеству финальных изображений.

Бюджет: 7200 UAH Срок: 30 дней

У нас уже есть почти готовый модуль массовой ИИ-обработки товарных фото - его можно быстро адаптировать и запустить, предлагаю обсудить детали здесь, я на связи ))

- полная стоимость - 7200 USD
- срок выполнения - 30 календарных дней
- технологии - Python, OpenCV, PyTorch, сегментация товара и фотозоны, маски защиты товара, управляемое восстановление фона, GPU-обработка, Google Drive API и OpenPyXL

В стоимость входят пилотная выборка, настройка двух фотозон, обработка 38000 фото, проверка результатов, повторная обработка отклонений, сохранение структуры Google Drive и обновление Excel

- есть ли эталонные фото обеих фотозон без брендинга и товаров?
- согласны ли вы на пилот на 200-300 сложных фото как критерий запуска всего массива?

https://business.ingello.com/ua/vorfahr - ИИ-обработка и улучшение товарных фото

https://business.ingello.com/ua/prime-eva - автоматизация товаров, производства и интеграций

https://systems-fl.ingello.com/ua - команда и формат работы Развернуть

Бюджет: 9000 UAH Срок: 5 дней

Здравствуйте, могу выполнить разовую массовую AI-обработку фото товаров по Excel-таблице и структуре папок на Google Drive.
Сделаю скрипт на Python, который сопоставит номера объявлений с фото, обработает изображения по заданным правилам и сохранит результат в нужной структуре.
Перед массовым запуском предлагаю согласовать 5-10 тестовых примеров, чтобы зафиксировать качество обработки и избежать ручных переделок.
Работал с автоматизацией обработки данных, изображений, API и пакетными задачами, поэтому смогу сделать аккуратно и с проверкой результата.
git: github.com/onyx144

Бюджет: 3400 UAH Срок: 4 дня

Задача: детекция фотозоны, удаление логотипов и надписей с помощью инпейнтинг-модели, фон и освещение без изменений.

Обработка 38000 фото, структуру папок на Drive сохраню, Excel обновлю новыми ссылками.

Срок ориентировочно 4 дня.