Freelancer -logo Kuinka se toimii Selaa töitä
Kirjaudu sisään Rekisteröidy
Ilmoita projekti
LÖYDÄ
AI (Artificial Intelligence) HW/SW
Algorithm
Machine Learning (ML)
Matlab and Mathematica
Python
Profiilin kansikuva
Seuraat nyt käyttäjää
Virhe seurattaessa käyttäjää.
Tämä käyttäjä ei salli käyttäjien seurata häntä.
Seuraat jo tätä käyttäjää.
Jäsenyystasosi mahdollistaa vain 0 seurausta. Päivitä tästä.
Käyttäjän seuraaminen lopetettu onnistuneesti
Virhe poistettaessa käyttäjän seurantaa.
Olet onnistuneesti suositellut käyttäjää
Virhe suositeltaessa käyttäjää.
Jokin meni vikaan. Päivitä sivu ja yritä uudelleen.
Sähköposti vahvistettu onnistuneesti.
Käyttäjän avatar
$30 USD / tunti
Maan GERMANY lippu
lingen, germany
$30 USD / tunti
Aika on tällä hetkellä 10:17 ap. täällä
Liittynyt tammikuuta 24, 2023
0 Suosittelee

Natalia S.

@pofc2023

 5,0 (3 arvostelua)
4,5
4,5
100%
100%
$30 USD / tunti
Maan GERMANY lippu
lingen, germany
$30 USD / tunti
100 %
Suoritetut työt
100 %
Budjetin mukaisesti
100 %
Aikataulussa
33 %
Uudelleenpalkkausaste

PhD in Geoinformatics, Computer Vision, ML

We are the team of 5 experts: mathematician, physicist and 3 software developers. Our team has a strong mathematical background and many years of professional experience in software development and data processing.
Freelancer Python Developers Germany
Katso kaikki Python Developers paikassa Germany

Ota yhteyttä käyttäjään Natalia S. työhösi liittyen

Kirjaudu sisään keskustellaksesi yksityiskohdista chatissa.

Portfolio

10755724
The task was to develop an algorithm that covers a figure of arbitrary shape with a set of non-overlapping rectangles. The shape of the rectangle was restricted by the minimum and maximum side length. The algorithm had to try to generate as few rectangles as possible. To solve the problem, a completely new algorithm was developed and implemented in Python. The video shows the iterative filling of the given shape with rectangles.
Fitting a sequence of rectangles into an arbitrary figure.
10755672
The goal of the project was to improve the efficiency of group exercises by analyzing video data by means of Deep Learning. The exercises were filmed with an RGB camera. Body position and face keypoints were detected on the video frames. Based on the obtained data, the statistical characteristic values were calculated. The statistical values were used to estimate the efficiency of group exercises.
Increasing the effectiveness of exercises in group training.
10754720
The goal of the project was to anonimize (remove sensitive data) RGB video stream by converting video images into depth maps. The MiDaS model was used for the conversion (https://pytorch.org/hub/intelisl_midas_v2/). The depth maps are used further for estimating body pose, counting people, inspecting objects, etc. Depth modeling was installed on the server and integrated into the back-end solution.
Anonimization of video information using depth mapping
10754587
The aim of the project was to validate and choose the best method for multimodal synthesis of photorealistic images from a sketch. As a result of the validation, the pixe2style2pixel method was selected. The method is described in the paper: Elad Richardson, Yuval Alaluf, Or Patashnik, Yotam Nitzan, Yaniv Azar, Stav Shapiro, Daniel Cohen-Or "Encoding in Style: a StyleGAN Encoder for Image-to-Image Translation" The resulting code was successfully integrated into a back-end solution.
Multi-modal synthesis of images from a sketch.
10755724
The task was to develop an algorithm that covers a figure of arbitrary shape with a set of non-overlapping rectangles. The shape of the rectangle was restricted by the minimum and maximum side length. The algorithm had to try to generate as few rectangles as possible. To solve the problem, a completely new algorithm was developed and implemented in Python. The video shows the iterative filling of the given shape with rectangles.
Fitting a sequence of rectangles into an arbitrary figure.
10755672
The goal of the project was to improve the efficiency of group exercises by analyzing video data by means of Deep Learning. The exercises were filmed with an RGB camera. Body position and face keypoints were detected on the video frames. Based on the obtained data, the statistical characteristic values were calculated. The statistical values were used to estimate the efficiency of group exercises.
Increasing the effectiveness of exercises in group training.
10754720
The goal of the project was to anonimize (remove sensitive data) RGB video stream by converting video images into depth maps. The MiDaS model was used for the conversion (https://pytorch.org/hub/intelisl_midas_v2/). The depth maps are used further for estimating body pose, counting people, inspecting objects, etc. Depth modeling was installed on the server and integrated into the back-end solution.
Anonimization of video information using depth mapping
10754587
The aim of the project was to validate and choose the best method for multimodal synthesis of photorealistic images from a sketch. As a result of the validation, the pixe2style2pixel method was selected. The method is described in the paper: Elad Richardson, Yuval Alaluf, Or Patashnik, Yotam Nitzan, Yaniv Azar, Stav Shapiro, Daniel Cohen-Or "Encoding in Style: a StyleGAN Encoder for Image-to-Image Translation" The resulting code was successfully integrated into a back-end solution.
Multi-modal synthesis of images from a sketch.

Arvostelut

Muutokset tallennettu
Näytetään 1 - 3 / 3 arvostelua
Suodata arvosteluja:
5,0
$10,00 USD
Project for Natalia S.
Natalia is an expert in python, image processing and Machine learning techniques. She is very smart and professional, good to work with, and understood the project clearly from the start and delivered on time. Excellent work !
Python
Matlab and Mathematica
Algorithm
Machine Learning (ML)
+1 enemmän
Käyttäjän avatar
Maan lippu Mahmut R.
@Mahmutr
•
vuosi sitten
5,0
$200,00 USD
Python coding
Exellect skills and expertise extended. Highly recommend. Would love to work with her again. Thank you.
Engineering
Python
Software Architecture
S
Maan lippu Kaoru Y.
@skytree634
•
vuosi sitten
5,0
$10,00 USD
fit rectangles into a 2D shape within an image using either Matlab or Python -- 2
Natalia is very professional and quick, and wrote a clear code to get the job done. I am surely going to work with Natalia in the future and strongly recommend.
Python
Matlab and Mathematica
Algorithm
Machine Learning (ML)
Image Processing
Käyttäjän avatar
Maan lippu Mahmut R.
@Mahmutr
•
vuosi sitten

Ota yhteyttä käyttäjään Natalia S. työhösi liittyen

Kirjaudu sisään keskustellaksesi yksityiskohdista chatissa.

Varmennukset

Suositeltu freelanceri
Henkilöllisyys varmennettu
Maksutapa varmennettu
Puhelinnumero varmennettu
Sähköpostiosoite varmennettu
Facebook yhdistetty

Parhaat taidot

Python 4
Matlab and Mathematica 3
Algorithm 3
Machine Learning (ML) 2
AI (Artificial Intelligence) HW/SW 1

Selaa vastaavia freelancereita

Python Developers in Germany
Python Developers
Matlab and Mathematica Engineers
Algorithm Experts

Selaa vastaavia näyteikkunoita

Python
Matlab and Mathematica
Algorithm
Machine Learning (ML)
Edellinen käyttäjä Seuraava käyttäjä
Kutsu lähetetty onnistuneesti!
Kiitos! Olemme lähettäneet sinulle sähköpostitse linkin, jolla voit lunastaa ilmaisen krediittisi.
Jotain meni pieleen lähetettäessä sähköpostiasi. Yritä uudelleen.
Freelancer -logo Finland / Suomi Asiakastuki Freelanceri Luokat Projektit Kilpailut Freelancerit Yritys JäsenyysSuositeltujen freelancerien ohjelmaProjektin hallinnointiPaikalliset työtPhoto AnywhereNäyteikkunaAPI kehittäjilleVahvista tilisiDesktop App -sovellus Tietoa Tietoa meistäNäin se toimiiTurvallisuusSijoittajatSivukarttaTarinatUutisetTiimiPalkinnotLehdistötiedotteetTyöpaikat Ehdot TietosuojakäytäntöKäyttöehdotTekijänoikeuskäytännötKäyttäytymissäännötMaksut ja palkkiot PartneritEscrow.comLoadshiftWarrior Forum Sovellukset Applen sovelluskauppa -logoGoogle Play -logo
Kopiointi leikepöydälle epäonnistui. Yritä uudelleen, kun olet muuttanut käyttöoikeuksiasi.
Kopioitu leikepöydälle.
Rekisteröitynyttä käyttäjää Ilmoitettua työtä yhteensä
Freelancer ® is a registered Trademark of Freelancer Technology Pty Limited (ACN 142 189 759)
Copyright © 2024 Freelancer Technology Pty Limited (ACN 142 189 759)
Ladataan esikatselua
Lupa myönnetty Geolocation.
Kirjautumisistuntosi on vanhentunut ja sinut on kirjattu ulos. Kirjaudu uudelleen sisään.