Udvikling af computer vision
Udvikling af computer vision: objektdetektion og billedklassificering, visuel kvalitetsinspektion, OCR og genkendelse af tekst i billeder, videoanalyse, analyse af medicinske billeder og modeller, der kører på kameraer, telefoner og edge-enheder, med dedikerede computer vision-ingeniører til jeres team eller et computer vision-projekt leveret fra start til slut.
Computer vision-systemer, vi bygger
Objektdetektion og billedklassificering
Produkter, dele, køretøjer, pakker og defekter fundet, talt og sorteret i fotos af detektorer som Ultralytics YOLO26, RF-DETR og RT-DETR og af vision transformer-klassifikatorer, finjusteret i PyTorch på jeres mærkede billeder og scoret pr. klasse på et testsæt aftalt på forhånd.
Visuel kvalitetsinspektion
Ridser, buler, manglende komponenter og trykfejl opdaget på produktionslinjen fra industrikameraer, med anomalidetektionsmodeller fra Anomalib, hvor defekte prøver er sjældne, og et godkendt/afvist-signal sendt til linjens controller inden for dens cyklustid.
Genkendelse af tekst i billeder
Etiketter, serienumre, nummerplader, målerudlæsninger, håndskrift og identitetsdokumenter læst med PaddleOCR eller docTR eller med Azure Document Intelligence i Foundry Tools, Amazon Textract og Google Document AI, hvert felt kontrolleret mod en formatregel og usikre aflæsninger sendt til et menneske.
Analyse af videostreams
Kamerastreams afkodet og analyseret med NVIDIA DeepStream, GStreamer og OpenCV: optælling af gæster og køretøjer, kølængder, kontrol af sikkerhedsudstyr og zonealarmer, objekter fulgt på tværs af frames med ByteTrack eller BoT-SORT, og events sendt til jeres systemer i stedet for timevis af optagelser gennemset af mennesker.
Cloud-visionstjenester
Azure Vision i Foundry Tools, Amazon Rekognition og Google Cloud Vision integreret, hvor deres færdige labels, tekstdetektion og indholdsmoderation når den nøjagtighed, I har brug for, herunder skiftet væk fra Azure Image Analysis 4.0 før dets udfasning i september 2028.
Segmentering og måling
Masker på pixelniveau, der måler størrelse, areal og form: markgrænser og afgrødesundhed i satellitbilleder, sårs og læsioners areal i kliniske fotos, partikelstørrelse på et transportbånd, hvor SAM 3 skærer mærkningstiden ned, og en mindre segmenteringsmodel kører i produktion.
Modeller til medicinsk billeddannelse
Røntgen-, CT-, MR-, ultralyds-, dermatologi- og digitalpatologibilleder læst fra DICOM og PACS, modeller bygget med MONAI og PyTorch, resultater vist som overlays, som en kliniker kan bekræfte, og det testbevismateriale, som dokumentationen for software som medicinsk udstyr kræver.
Visionmodeller på enheder
Modeller kvantiseret og eksporteret til TensorRT på NVIDIA Jetson, OpenVINO på Intel-hardware, Core ML på iPhone og iPad og LiteRT (bygget på TensorFlow Lite) på Android, dimensioneret til at følge med kameraets billedhastighed uden at sende billeder til clouden.
Visuel søgning og multimodale modeller
Søgning efter lignende varer i produkt- og billedkataloger med CLIP- eller SigLIP-embeddings i et vektorindeks og multimodale sprogmodeller som Gemini, GPT og Qwen-VL til billedtekster, udtræk af egenskaber og kontroller, hvor der er for få mærkede data til at træne en detektor.
Ansæt computer vision-ingeniører
Dedikerede computer vision-ingeniører
Computer vision-ingeniører, der indgår i jeres team på fuld tid, arbejder i jeres værktøjer og processer og rapporterer til jeres leder. I interviewer dem; vi står for den ukrainske kontrakt, lønudbetalingen, faktureringen og ferie og orlov.
Projekter inden for Computer vision-udvikling
En afgrænset opgave inden for computer vision-udvikling med et fast omfang, en fast plan og en navngiven leder hos os, der ejer resultatet og rapporterer fremdriften i jeres kanaler.
Løbende computer vision-udvikling
Computer vision-udvikling som løbende ydelse: de samme folk hver måned, en backlog, I selv prioriterer, og timer, I kan se i vores portal og på fakturaen.
Siden om dedikerede teams forklarer, hvordan specialister indgår i jeres team, og siden om outsourcing beskriver projektleverance, overtagelser og hvordan vi tager betaling.
Hvem arbejder med jeres computer vision-udvikling
Computer vision-ingeniører
Detektion, segmentering, OCR og modelevaluering
Machine learning- og MLOps-ingeniører
Trænings-pipelines, udrulning og overvågning
Python- og C++-udviklere
Videopipelines og inferens på enheder
.NET-, Java- og mobiludviklere
De applikationer, der handler på modellens resultater
Dataannotatorer og QA-ingeniører
Mærkede træningsdata og testsæt
Fra testbilleder til produktionslinjen
Et vision-projekt starter med billeder fra jeres rigtige kameraer, belysning og vinkler og et testsæt, der er mærket og aftalt med jer før al træning. En fortrænet model eller en cloudtjeneste sætter baselinen de første uger, så en skræddersyet model skal slå et målt tal, og målet er det, der tæller på stedet: oversete defekter, falske afvisninger eller aflæsninger pr. time.
I produktion versioneres modellen sammen med de data, den er trænet på, billeder med ansigter eller nummerplader sløres eller opbevares i jeres egen cloud, og nøjagtigheden overvåges for drift, når et kamera, en linse eller belysningen ændres. Svære tilfælde, der indsamles i produktion, går tilbage i træningssættet til næste release.
Andre data- og AI-ydelser, vi leverer
AI og machine learning
Udvikling inden for AI og machine learning: forecasting, svindeldetektion, anbefalingssystemer, computer vision, NLP og talegenkendelse samt MLOps, med dedikerede machine learning-ingeniører eller projektleverance.
Data engineering
Data engineering: ETL-pipelines, Spark, dbt og streaming, data warehouses og lakehouses i Snowflake, Databricks, BigQuery, Redshift og Microsoft Fabric, med dedikerede data engineers eller projektleverance.
Dataanalyse og Power BI
Dataanalyse og Power BI: dashboards i Power BI, Tableau og Looker, produktanalyse, A/B-test, finansiel rapportering og marketingrapportering, med dedikerede dataanalytikere og BI-udviklere eller projektleverance.
Databaseudvikling
Databaseudvikling og -administration: skemadesign, tuning af forespørgsler, migreringer og sikkerhedskopier i SQL Server, PostgreSQL, MySQL, Oracle og MongoDB, med dedikerede databaseudviklere og DBA'er eller projektleverance.
Dataannotering
Dataannotering og labelling til AI: labelling af billeder, video, tekst, lyd og LiDAR, RLHF og evalueringsdata, med kvalitetskontrol af hvert batch, fra dedikerede dataannotatorer eller projektleverance.
MLOps
MLOps og rådgivning: ML-platforme, CI/CD til modeller, model registries, serving og autoskalering, GPU-infrastruktur, overvågning af drift og LLMOps, med dedikerede MLOps-ingeniører eller projektleverance.
Databricks-udvikling
Databricks-udvikling og -rådgivning: opsætning af lakehouse, pipelines i Lakeflow, Unity Catalog, migreringer, AI/BI, machine learning og omkostningskontrol, med dedikerede Databricks-ingeniører eller projektleverance.
Snowflake-udvikling
Snowflake-udvikling og -rådgivning: design af warehouse, indlæsning med Snowpipe og Openflow, dbt, migreringer, Cortex AI, sikkerhed og omkostningskontrol, med dedikerede Snowflake-udviklere eller projektleverance.
Kafka og event streaming
Apache Kafka-udvikling og -rådgivning: event-drevet arkitektur, Kafka Connect og Debezium, Flink og Kafka Streams, Confluent Cloud, MSK og Event Hubs, med dedikerede Kafka-ingeniører eller projektleverance.
Workflow-automatisering
Workflow- og AI-automatisering: flows i n8n, Make, Zapier og Power Automate, AI-agenter i workflows, automatisering af CRM, økonomi og dokumenter, med dedikerede automatiseringsudviklere eller projektleverance.
Spørgsmål om udvikling af computer vision
Hvilke brancher arbejder jeres computer vision-ingeniører i?
Produktion til visuel inspektion og samlekontrol; e-handel og detail til visuel søgning, produkttagging samt hylde- og besøgsanalyse; sundhedssektoren til analyse af medicinske billeder; fintech og forsikring til kontrol af identitetsdokumenter og skadesvurdering ud fra fotos; landbrug til overvågning af afgrøder og marker fra satellit- og markkameraer; logistik til genkendelse af pakker, paller og etiketter; og AI-produkter, hvor vision er selve produktet.
Hvor mange mærkede billeder har vi brug for?
Færre, end mange teams forventer, fordi modellen starter fra en fortrænet: nogle hundrede velmærkede billeder pr. klasse viser ofte, om tilgangen virker. Sjældne defekter, fine skel og mange forskellige kameraopsætninger kræver flere, og anomalidetektion, syntetiske billeder og modelassisteret mærkning udfylder hullerne.
Kan vi levere modellen i et produkt med lukket kildekode?
Ja, hvis licenserne tjekkes først. Ultralytics YOLO-modeller udgives under AGPL-3.0, så et produkt med lukket kildekode kræver en Ultralytics Enterprise License, mens detektorer som RF-DETR og RT-DETR udgives under Apache 2.0. Licensen for hver model og hvert bibliotek opregnes, før træningen starter, så valget træffes med åbne øjne.
Hvor hurtigt kan computer vision-ingeniører starte?
Når den rette computer vision-ingeniør er tilgængelig, afhænger starten kun af jeres samtale samt NDA og overdragelse af IP-rettigheder. Ellers gennemfører vi en søgning, som typisk giver kandidatprofiler inden for to til tre uger, og ingen starter, før I har sagt ja.
Hvordan ansætter vi computer vision-ingeniører gennem BigTree108?
Fortæl os om opgaverne, erfaringsniveauet og det timetal, I har brug for. Vi foreslår en eller to personer med deres profiler, I interviewer dem på samme måde, som I ville interviewe jeres egen medarbejder, og I underskriver én aftale med BIG TREE 108 LLC og modtager én faktura om måneden.
Hvem ejer det arbejde, de producerer?
Det gør I. Hver specialist har en underskrevet kontrakt med BigTree108, som overdrager alt arbejdsresultat til virksomheden, og vores aftale med jer overdrager det videre til jer. Kode, designs og dokumenter leveres ind i jeres egne repositories og værktøjer og opbevares ikke et sted, hvor kun vi kan ændre dem.
Har I billeder eller video, der skal give mening?
Fortæl os, hvad kameraet ser, hvad der skal opdages, læses eller måles, og hvor modellen skal køre. I får svar inden for én arbejdsdag: en plan for et proof of concept, kandidatprofiler eller en gennemgang af jeres nuværende model.