Ingeniero de Visión Artificial con Python y Opencv para Optimización de Procesamiento de Imágenes

Buscamos un ingeniero de visión artificial altamente experimentado en Python y OpenCV para optimizar un flujo de trabajo de procesamiento de imágenes crítico. Nuestro sistema actual se basa en OCR, lo cual es computacionalmente intensivo y limita significativamente el rendimiento, afectando la latencia y el coste.

El objetivo principal de este proyecto es reemplazar el uso de OCR mediante la implementación de una solución eficiente de coincidencia de plantillas. Esto nos permitirá procesar un mayor volumen de imágenes por segundo con una latencia reducida y un coste operativo menor. Ya contamos con código comentado que realiza la coincidencia de plantillas para algunas resoluciones, logrando más de 100 imágenes por segundo, lo que servirá como punto de partida.

La tarea específica es desarrollar e integrar la lógica de coincidencia de plantillas de OpenCV en una API existente. La API ya está implementada y es responsable de devolver los resultados de detección; su rol se centrará exclusivamente en la lógica de visión artificial.

Requisitos clave de la solución:

1.  Detección de elementos de interfaz de usuario: El sistema debe ser capaz de detectar elementos específicos como "Kickoff" y "Final" en capturas de pantalla del juego Madden 2026.
2.  Manejo de variaciones: La solución debe ser robusta y gestionar correctamente:
    *  Diferentes resoluciones y escalado (por ejemplo, 1080p, 1440p, 4K, ultrawide).
    *  Ligeros cambios en la posición de los elementos de la interfaz de usuario.
    *  Posibles diferencias de compresión en las imágenes.
    *  Diversas situaciones de coincidencia donde aparecen los elementos "Kickoff" o "Final".
3.  Generación de datos de prueba: Se espera que el freelancer obtenga o genere capturas de pantalla adicionales de Madden 2026 en múltiples resoluciones y relaciones de aspecto para validar la funcionalidad de detección.
4.  Resultados de detección:
    *  Casos positivos: Si "Kickoff" o "Final" están presentes, la solución debe devolver la ubicación de la coincidencia (x, y, w, h) y una puntuación de confianza.
    *  Casos negativos: Si la plantilla no está presente, debe devolver un valor nulo o indicar una discrepancia, evitando falsos positivos.
5.  Precisión: La alta precisión es fundamental para evitar falsos positivos. Opcionalmente, se puede considerar el OCR como un método de respaldo solo si la confianza de la coincidencia de plantillas es baja, aunque el objetivo principal es minimizar su uso.

Buscamos un profesional con experiencia demostrable en proyectos de visión artificial y una comprensión profunda de las técnicas de coincidencia de plantillas y optimización de rendimiento.