机器学习/深度学习

1. 协助金融信贷机构对行业进行分析，指导业务人员进行行业认知和行业判断，进行营销获客。 2. 如列举的部分（摘出三个模块做展示）：【图一：行业前景】从整个行业财务角度进行分析、【图二：行业风险】监控行业多维度风险、【图三：行业获客】方便用户按需筛选获取信贷名单。

使用yolov8 与LPRNet开发的车牌识别软件。opencv dnn 模型部署,yolo v8 迁移只训练了5 epoch,LPRNet 5万张 照片同样训练了5 epoch 纯cpu训练。识别率已经在90%以上，两个模型非常小巧。c++开发识别速度非常快

项目主要分为数据采集，数据处理，数据整合设计算法，算法训练，预测结果部署等流程。 主要负责从天气预报接口存储当地天气数据，结合传感器实际采集数据通过深度学习时序预测模型训练算法，并通过docker容器让模型自动部署预测上传结果。

主要进行的工作： 根据不同材料颜色提出透射率注意力模块 使用注意力机制和Transformer改进YOLOv5的Backbone和Head 使得刀类违禁品在业务线上的mAP提升了12% 缓解数据极不均衡的问题 对数据集进行数据扩充、混合，数据增强 在寒武纪的芯片上部署算法模型 模型轻量化 使用C++实现目标检测推理程序 实现自己的内存池 使用C++ Socket 实现部分安检机与推理服务器的通信协议

扫描模块：全体系算法 形态识别模块：全体系算法 加解密版权模块：全体系算法 调试质控模块：全体系算法 质控系统：放大倍率、畸变、SFR、清晰度、聚光镜、3A算法自动曝光、自动聚集、自动白平衡、颜色矫正等 光学调试：全体系算法 云端平台：全体系算法、微服务 C++平台：全体系算法、dll、so 架构设计

智能识别人物、关节、肢体动作以及判断人体身材系统，主要为公司或个人提供高阶视频人物识别与个人数据采集系统，既能提供准确的人物识别功能，又能保护个人隐私。

本项目分成两个部分：模型训练和实时检测。 1）模型训练：主要是通过改进的Yolo V8算法，结合钢筋检测数据库，完成对应的钢筋检测模型的训练。目前收集整理的数据集有3000多张，测试检测准确率达到99%以上； 2) 模型推理：利用1训练得到的检测模型完成实时的钢筋检测，并给出对应的计数。单张图片检测时间达到毫秒级别，实时性高，可集成到app中。 本项目的额核心技术是目标检测技术，主要用到的算法是Yolo V8，该技术可以迁移到类似的项目上，例如竹签计数等。

求税率， 简单的排序，链表结构，数据分析，结构体的灵活运用，各种循环语句的应用，我本人具有亲和力，平易近人，善于与人沟通，也许今天的我没什么值得推荐的荣誉，但是我有一颗简单的心，做好了面对困难的准备，期望您的机会和慧眼

分别针对PC端与手机端进行设备缺陷检测开发，针对电力塔缺陷进行批量图片检测或摄像头实时检测 主要工作为数据清洗、图片标注，数据集构建、目标检测算法开发、PC端进行批量检测、手机端实时检测APP开发 全部工作为一人完成

基于yolo的目标识别与检测，通过TOF数据识别机器人充电桩，实现机器人自动找桩充电；由于SLAM的全局定位依赖于当前激光和先验地图的匹配，而先验地图是采用膨胀栅格的方式来表示的，天然存在匹配误差，导致绝对定位做不到毫米级精度，所以通过TOF进行充电桩识别

双塔多模态预训练模型，支持图文检索，图文问答，图文推理等任务，在多个数据集上表现优异，发表于自然语言处理顶会ACL2023.

1、我为商业楼宇进行了数学建模 2、为商业楼宇能量管理设计了分层多智能体深度强化学习算法结构 3、用python实现了算法并完成验证

该项目主要完成抽烟行为检测，在某些特定场合，例如易燃易爆的场所是严禁抽烟的。因此本项目主要是负责完成场景中人员抽烟行为的检测。检测算法采用的是Yolo V5算法，前期先通过收集整理并标注抽烟行为数据集，然后利用收集的数据集完成抽烟模型的训练。待模型达到检测精度要求后，利用该模型即可完成抽烟行为的实时检测，单帧检测时间大约150ms，检测精度>95%。

独立完成 因为想要使用Varian系统Export导出的系统参数做科研，但是没有详细的说明文档，所以爬取Varian系统的相关资料，创建自己的GPTs，作为Dicom图像的答疑助手，提高工作效率。

生活垃圾投放智慧监管平台通过智能硬件终端和移动端采集分类投放各维度数据，利用数据标注和数字图像处理技术进行垃圾模型训练、构建和算法优化，实现对居民投放的易腐垃圾进行智能识别、打分，真正做到高效、便捷地对居民生活垃圾投放进行监管。

YOLO系列的人脸检测+106个关键点检测 该项目中，检测人脸和检测关键点都使用yolo网络，并且检测输出106个人脸关键点

个人构建基于酒店咨询类对话机器人 1、项目使用RASA开源框架； 2、项目内加入自己训练的情感识别模型、信息抽取模型、意图识别模型； 3、可以作为酒店有限域对话机器人； 4、项目由本人独立完成。

为一个班级的人员做了人脸识别系统，识别正确率达98%以上，使用卷积深度学习网络以及opencv图像处理模块实现，人脸实时检测

负责客户端工具的开发工作， 1、对高精度地图数据绘制，优化工具交互，提高三维交互友好性，同时美化软件操作界面。对高精度地图数据进行解析和压缩，提供网络传输效率 2、维护当前软件已有的功能，修改用户反馈的bug； 3、参与新客户端的重构需求分析工具。

在运动想象范式下对正常被试的头皮脑电信号进行采集。 采用时频域变换方法，mixup数据增强策略，并结合深度学习框架对脑电信号做分类判别，以达到将脑电信号翻译成现实指令的目的。 为运动想象脑机接口的应用提供方法和思路上的参考。