深度学习
0
1
2
3
4
5
1月前来过
算法工程师
重庆全职 · 300/日 · 6525/月信用正常
工作时间: 工作日20:00-00:00、周末09:00-18:00工作地点:
远程
服务企业:
1家累计提交:
0工时
联系方式:
********
********
********
****************
查看联系方式
个人介绍
硕士毕业于四川大学通信与信息系统专业，本科毕业于重庆理工大学电子信息工程专业，从事关于人脸、行人识别的算法优化工作，第二份工作在北京理工大学重庆创新中心，为了丰富自己的专业技能，在业余时间参加kaggle NFL头盔分配比赛。这些经历锻炼了我针对业务需求制定数据标注要求，分析数据特性运用相应的算法，提出合理的解决方案能力
工作经历
2020-08-17 -2021-05-01云从科技算法工程师
从事关于人脸、行人识别的算法优化工作，独立完成人脸对抗攻击代码编写，完成行人显著性区域检测模型训练
教育经历
2017-07-01 - 2020-07-01四川大学通信与信息系统硕士
技能
作品
任务描述：橄榄球比赛，将视频中检测到的头盔分配给对应的球员，给头盔贴上对应球员编号的标签。排名：287/825 技术实现：1、头盔检测模型选择：YOLOv5 2、视频与传感器匹配：线性最小二乘 3、视频跟踪算法选择：IOU阈值、DeepSORT 任务职责：本人选择YOLOv5检测球员头盔，运用旋转变换，线性最小二乘，将传感器数据与对应视频帧做匹配，比较IOU 阈值跟踪结果与DeepSORT跟踪结果，选择DeepSORT跟踪未匹配的视频帧，最终解决方案得分0.627.
02023-04-07 13:36
项目名称：显著性区域检测 技术实现：为了提升行人重识别模型的性能，通过框出行人局部显著的区域，来区分相似度过高的不同行人。 1、数据准备：标注准备、数据增强 2、模型选择：YOLOv5 项目职责：本人负责确定行人区域框的位置及类别，制定标注要求，选用YOLOv5的目标检测模型完成了对行人显著性 区域的检测，mAP达到0.69，类别识别率均在0.9以上；运用显著性区域，提取区域特征，对行人相似度得分加以限 制，在某测试集上行人重识别模型的mAP从0.9285提高到0.9287，解决不同行人相似度得分高的问题。
02023-04-07 13:37
技术实现：为了提高人脸识别模型的鲁棒性，调研对抗攻击方法，对人脸图像添加扰动，使模型识别错误；调研防御对 抗攻击的方法，使识别模型能正常识别对抗图像。 1、攻击模型：FGSM白盒攻击、Boundary attack黑盒攻击 2、防御策略：图像压缩、MagNet 项目职责：本人实现了FGSM白盒攻击，人脸识别模型准确率从99.98%下降到67.34%；实现了Boundary attack黑盒 攻击，人脸识别模型准确率从99.98%下降到90.97%；运用图像压缩，将图片从png格式转换为jpg格式，带有黑盒攻 击的测试集的准确率从90.97%上升到95.44%。
02023-04-07 13:38
