彼得汪
24天前在线
全职 · 300/日  ·  6525/月
工作时间: 工作日8:00-17:00、周末8:00-17:00工作地点: 远程
服务企业: 1家累计提交: 0工时
联系方式:
********
********
********
聊一聊

使用APP扫码聊一聊

个人介绍

喜欢在hackerrank刷题并于2019年成为其中python开发者,对sklearn机器学习并能通过预处理利用不同算法预测已有天气数据,对Matlab图像处理有图像滤波,复原重建,图像分割,特征提取,模式分类等有相关经验,pytorch深度学习有语义分割经验。目前人工智能视觉方向在读研究生,对技术有些执着的爱好和追求,期待早日找到合适的工作。

工作经历

  • 2020-05-01 -2024-08-01内蒙古晶新科技员工

    从事人脸识别测温开发,把不同的人脸识别为不同的类型并显示名字,利用红外热成像检测额头或手腕温度。可以实时动态检测

教育经历

  • 2022-08-23 - 2024-05-15伊利诺伊理工人工智能视觉与控制硕士

技能

图像处理
0
1
2
3
4
5
作品
产品缺陷检测,医疗影像分析,分类,识别,分割,计算距离,深度估计等视觉任务

本方案面向企业级客户,解决他们在实际业务中对图像处理的需求,如产品缺陷检测、医疗影像分析等。 【50%】相比于市场常规方案,本方案具有以下特点: 高精度:采用先进的深度学习模型,如YOLO(You Only Look Once)和Transformer变体(DINO等),在物体检测和图像分割任务上表现出色。 快速响应:通过优化算法和硬件配置,实现快速实时处理大量图像数据,满足工业生产线上高效率的要求。 灵活定制:可根据客户需求进行个性化定制,包括但不限于特定场景下的目标检测、多类别的图像分类等。 可扩展性:支持模块化设计,方便后续功能升级或与其他系统集成。 【20%】方案的产品组成和技术选型: 数据采集:使用高清摄像头或其他传感器设备获取原始图像数据。 前端处理:利用GPU加速计算平台进行实时预处理,如图像缩放、色彩转换等。 模型训练:基于TensorFlow或PyTorch等深度学习框架构建YOLOv5或ViT(Vision Transformer)模型,并在标注好的数据集上进行训练。 后端应用:将训练好的模型部署到服务器或边缘计算设备上,实现实时图像处理与分析。 用户界面:提供可视化操作界面,便于用户查看处理结果并进行参数调整。 总之,该方案结合了前沿的计算机视觉技术与灵活的定制能力,旨在为企业客户提供高效、精准的图像处理解决方案。

0
2024-10-10 04:48
更新于: 2022-08-17 浏览: 37