个人介绍
1. 能熟练使用python语言编程,熟悉django、flask等网络编程框架,熟悉Linux系统。
2. 熟悉机器学习,深度学习相关技术,熟悉VGG/ResNET/LSTM/transfomer等基础网络。
3. 熟悉sklearn/pycaret/pyod等机器学习库,熟悉tensorflow/pytorch等深度学习框架。
熟悉cuda编程,了解GAN对抗生成模型。
4. 熟悉opencv,熟悉yolo系列目标检测模型以及人工智能CV方向相关技术。
5. 熟悉word2vec,Bert, LangChain等LLM模型相关技术,了解机器翻译语言模型。
6. 了解reactvue框架,熟悉html/css/javascript等前端技术。
7. 了解云计算相关技术,熟悉k8s及doker等容器技术,能熟练配置弹性云服务器。
8. 了解大数据相关技术,了解实时数仓建设,了解分布式计算相关技术。
9. 具备人工智能软件开发工作及教培经验。
工作经历
2021-05-06 -至今西安慧脑科技算法工程师
1.负责公司脑电算法开发。 2.负责公司大数据平台建设。 3. 负责脑机接口产品设计。
2018-05-06 -2021-05-06河南奇测电子科技有限公司算法工程师
1.图像处理相关技术的算法开发。 2.工件的缺陷检测及精密特征量机器视觉应用系统软件的开发。 3. 机器视觉相关算法应用集成。
1999-05-07 -2018-05-03西北核技术研究院科研处科长
在西北核技术研究所从事多年科研工作,后进入机关从事科研管理,担任研究院装备科科长(行政副团职,技术9级(相当于正团)),2018年转业。
教育经历
1995-09-01 - 1999-05-07复旦大学化学本科
获得理学士学位
技能
采用REDNet -Residual Encoder-Decoder Networks,这是一个基于CNN的跳过连接的自动编码器架构。用了5层卷积的编码器和5层反卷积的解码器。
实现主要包含以下三个主要步骤,分别是对象检测、对象跟踪和速度估计。 要对视频执行目标检测,我们需要迭代视频的帧,然后对每个帧运行我们的检测模型。推理则提供对预先训练的目标检测模型的访问,我们使用yolov8x-640模型。 物体检测不足以执行速度估计。为了计算每辆车行驶的距离,我们需要能够跟踪它们。为此,我们使用 BYTETrack。 最后,根据边界框移动的像素数来估计距离。然后计算速度。
单目深度测量是基于深度学习的一个项目,(1) 使用1×1的卷积进行通道数的降低,每进行一次1×1的卷积通道数减少2倍,直至channel=3,因为彩色图像的通道数为3,至此得到一个H/K×H/K×3的特征映射。 (2) Channel1和channel2的代表了平面法向量的2个自由度,分别是polar(θ)和azimuthal angles(φ),接下来将特征图的前二个通道视为角度,并使用如下的公式将他们转换为单位法向量。 8036d0ae0e986311a39763dd9d9e6998.png Channel3代表 plane和origin的垂直距离(perpendicular distance)。 (3) 经过变换,每一个像素都会对应一组4D向量(n1,n2,n3,n4)。 (4) 为了使用局部平面假设来指导特征,使用射线平面相交的方法来将每个估计的4D平面系数转换为K×K局部深度线索。转换公式如下图所示,其中(ui, vi) 是像素 i 的 k × k 逐块归一化坐标,c是最终的拟合结果。