




个人介绍
我是一名C++后端开发工程师,专注于计算机视觉、深度学习与高性能服务器开发。我具有扎实的编程基础和丰富的项目经验,能够独立完成从需求分析、架构设计到代码实现与优化的全流程开发。
个人技能:C++开发: 熟练使用 C++ 进行高性能开发,掌握 STL、Boost、多线程、网络编程等深度学习与计算机视觉: 熟悉 YOLO、NCNN、OpenCV,具备目标检测、人脸识别等算法应用经验服务器开发: 具备高并发后端服务的开发经验,熟练使用 Crow、Nginx、HttpClient 进行 API 设计与优化图像处理与文件解析: 解析并转换 SVG、PDF、AI、EPS、CDR 等文件格式,优化 Inkscape 相关功能数据库与存储: 使用 MySQL 进行用户数据管理,优化索引与查询性能项目经验:1.基于 YOLO 的人脸识别系统(NCNN 部署)
采用 YOLO 进行人脸检测,使用 NCNN 加速推理设计 C++ 服务器处理 API 请求,实现 1:1、1:N 人脸匹配适配移动端(Android),优化低功耗设备上的推理速度2.SVG 文件解析与渲染系统
解析 PDF、AI、CDR、EPS 等格式并转换为 SVG使用 Canvas + SVGNest 进行路径优化与排版结合 Inkscape 实现高效的服务器端渲染3. 报价与物流计算系统
结合用户上传的文件(SVG、PNG)计算加工价格调用物流 API,计算运费并生成报价单采用 C++ 后端 + JavaScript 前端,提升用户体验工作经历
2021-02-10 -至今立晨有限公司算法工程师
公司主要做外贸,本人在负责管理系统的开发与维护,并对新功能做主要分析,负责制定项目的生成方案,把控开发周期,以及管理安排员工开发
教育经历
2018-02-09 - 2021-02-06佛山大学控制科学与工程硕士
技能

1. 软件面向的行业和业务场景(25%) 本项目主要面向 安防监控、智能考勤、身份认证、智慧零售 等行业,提供高效、轻量级的人脸识别解决方案。其主要应用场景包括: 安防监控:在公共场所(如商场、地铁、机场)进行人脸检测,实现异常行为预警和黑名单人员筛查。 智能考勤:在企业、学校等场景中,实现无感考勤,提高管理效率。 身份认证:用于门禁系统、智能支付、在线身份验证等,提高安全性和便利性。 智慧零售:通过人脸识别分析客户行为,优化商品摆放,提高用户体验。 2. 主要功能模块及用户体验(50%) 本项目采用 YOLO(You Only Look Once) 作为人脸检测模型,并基于 ncnn 框架 进行优化和部署。系统主要包括以下功能模块: 人脸检测模块 采用 YOLO 进行高效人脸检测 适应不同光照、角度、遮挡等复杂场景 提供实时检测能力,支持视频流处理 人脸特征提取与比对 通过深度学习提取人脸特征向量 提供 1:N(搜索)和 1:1(身份验证)比对模式 低计算成本,实现快速匹配 人脸数据库管理 用户可添加、删除、更新人脸数据 支持本地数据库和远程存储 提供 API 供第三方系统调用 结果可视化与日志记录 提供 Web 端或客户端实时查看检测结果 记录识别日志,便于追踪与回溯 支持图片、视频输入与批量处理 轻量级部署 针对移动端和嵌入式设备优化,低功耗运行 适配 ARM 设备,如 Android 终端、树莓派、嵌入式 IPC 设备等 3. 技术选型与架构特点(25%) 本项目的技术架构充分考虑了 高效性、跨平台兼容性和易用性,主要特点如下: ncnn 框架: 轻量级、无第三方依赖的神经网络推理框架 适用于移动端和嵌入式设备(ARM 设备优化) 支持 Vulkan 加速,提升 GPU 计算效率 YOLO 模型: 速度快、检测精度高 适用于实时应用,能够在低功耗设备上运行 C++/Android 端优化: 采用 C++ 进行核心算法开发,提升运行效率 可适配 Android 端(通过 JNI 调用) 模块化架构: 提供 API 接口,支持与其他系统集成 可扩展性强,未来可支持更多识别算法(如 RetinaFace、ScrFD)
