Código YOLO Emergencias Médicas
Budget: $10 – $30 USD
Necesito un script sencillo, basado en YOLO (v5, v7 u otra versión reciente), que detecte en tiempo real emergencias médicas en espacios públicos a partir de video capturado por drones.
Emergencias que quiero identificar:
• Caídas
• Ataques cardíacos
• Convulsiones
• Sangrado
• Vómitos
• Golpes
• Disparos
• Puñaladas
• Identificar adultos mayores y niños/niñas
Alcance que espero:
1. Código en Python listo para ejecutar (idealmente en un entorno virtual o contenedor) que reciba la señal de la cámara del dron y muestre las detecciones superpuestas en pantalla.
2. Archivo de configuración y pesos entrenados o instrucciones claras para obtenerlos si requieres datos adicionales.
3. Pequeño README con pasos de instalación, comandos de ejecución y requisitos de hardware (GPU, memoria, versiones de CUDA/cuDNN, etc.).
4. Métricas básicas de precisión (precision, recall o mAP) que demuestren que el modelo distingue al menos las clases listadas con resultados aceptables en entornos urbanos.
Valoro código limpio, comentarios claros y el uso de buenas prácticas en Computer Vision y PyTorch/OpenCV. Si ya cuentas con modelos pre-entrenados que puedas adaptar, menciónalo: me interesa una solución funcional más que el desarrollo desde cero.
Emergencias que quiero identificar:
• Caídas
• Ataques cardíacos
• Convulsiones
• Sangrado
• Vómitos
• Golpes
• Disparos
• Puñaladas
• Identificar adultos mayores y niños/niñas
Alcance que espero:
1. Código en Python listo para ejecutar (idealmente en un entorno virtual o contenedor) que reciba la señal de la cámara del dron y muestre las detecciones superpuestas en pantalla.
2. Archivo de configuración y pesos entrenados o instrucciones claras para obtenerlos si requieres datos adicionales.
3. Pequeño README con pasos de instalación, comandos de ejecución y requisitos de hardware (GPU, memoria, versiones de CUDA/cuDNN, etc.).
4. Métricas básicas de precisión (precision, recall o mAP) que demuestren que el modelo distingue al menos las clases listadas con resultados aceptables en entornos urbanos.
Valoro código limpio, comentarios claros y el uso de buenas prácticas en Computer Vision y PyTorch/OpenCV. Si ya cuentas con modelos pre-entrenados que puedas adaptar, menciónalo: me interesa una solución funcional más que el desarrollo desde cero.