个人介绍
精通Python web领域各类需求。
曾经参与某大型人脸识别智能门项目,对深度学习有自己的理解。
参加过计算机视觉领域的论文翻译工作,并还原论文效果,真实可靠。
能熟练的使用Vue.js前端开发、java SpringBoot后端开发、javafx开发、kotlin安卓开发、Golang Gin gozero后端开发。
学校期间,参加过两次省级技能大赛,都获得过较为不错的名次。
工作经历
2023-04-01 -至今长沙多亚机器人开发
曾就职于长沙多亚机器人公司,在公司内主要的工作内容是全栈工程师,主要从事教育学生,开发编程课件,编写相关项目,维护客服等等。
教育经历
2021-09-01 - 湖南人文科技学院计算机科学与技术本科
大学期间成绩优异,多次参加省级技能大赛拿奖,精通Java开发,擅长前端编写,以及各种人工智能ai。
2020-10-01 - 2023-06-01湖南机电职业技术学院计算机科学与技术专科
成绩优异,多次获得省web开发大赛奖项。
技能
该项目是一个非常大的视频平台项目,集成了视频发布,视频观看,视频评论,关键词屏蔽,观看历史,首页推广,积分签到,积分商品兑换等功能。 该项目还未发布到线上,现在处于测试阶段。
该项目基于联邦学习训练框架,使用卷积神经网络网络,集成了预料爬虫,情绪推理,信息收集分析,等等功能。 该项目参加过信息安全方面的竞赛,取得了不错的成绩,有兴趣可以和我交流这方面的知识。
(该相关项目已经上线) 目标检测算法 YOLO(You Only Look Once):YOLO系列算法(如YOLOv4或YOLOv5)在实时性和精度方面表现优秀,适合嵌入式设备。 SSD(Single Shot MultiBox Detector):SSD具有较好的速度和精度平衡。 Faster R-CNN:适合需要高精度的应用,但在实时性方面稍逊。 数据预处理 视频流解析:从摄像头获取实时视频流并切分为帧。 图像增强:对图像进行旋转、缩放、颜色变换等增强操作,提高模型鲁棒性。 模型训练 数据集准备:收集包含门外场景的图像和视频数据,进行标注(人脸、包裹、宠物等目标)。 模型训练:使用预处理后的数据进行模型训练,调整超参数(学习率、批量大小等)。 模型优化:使用迁移学习和模型压缩技术(如剪枝和量化)优化模型,以适应嵌入式设备。 模型部署 使用TensorFlow Lite或ONNX Runtime将训练好的模型部署到嵌入式设备上。 集成到智能门系统中,实现目标检测功能。 四、上线流程 系统测试 单元测试:对每个模块进行独立测试,确保功能正确。 集成测试:对整个系统进行集成测试,确保各模块间的协同工作。 性能测试:测试系统在不同场景下的响应速度和准确率。 用户测试 内部测试:在公司内部进行小范围测试,收集反馈。 公测:邀请部分用户进行公测,进一步收集反馈和改进建议。 上线准备 编写详细的用户使用手册和技术文档。 制作宣传材料,准备市场推广。 正式上线 部署系统到生产环境,开放用户注册和使用。 提供客服支持和技术支持,及时解决用户问题。 维护和更新 根据用户反馈和使用数据,持续优化系统性能和用户体验。 定期更新目标检测模型,提升识别准确率。