机器学习/深度学习

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。

为了达到对低照度和高曝光图像的增强的目的，分别使用主观评价指标和客观评价指标对算法进行评价。基于pytorch设计网络结构输出参数对图像进行简单变换，网络使用VGG16的卷积结构并增加残差连接，使用输出层预测变换参数，设计了五种损失函数进行惩罚训练。并设计UI交互界面对比不同算法的实时增强情况。

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。

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

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

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。

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

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

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

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

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。

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。

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.

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

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。

对内负责项目管理、项目开发（主要应用Python、pandas、Flask、自然语言处理等技术）、代码管理git、项目部署docker 、数据中台Dataworks应用等。 对外负责与各供应商协商对接、与电力业务相关人员（省处级领导）进行项目需求对接、汇报App制作、文档输出等工作。

通过PPT插件获取幻灯片和母版的文本及图片等内容后，运用人工智能手段进行纠错。 支持检测文本和图片的色情、暴恐违禁、政治敏感、恶意推广、低俗辱骂等信息。

在线采集各硬件数据，进行分类存储，通过数据设置设置报警预警提示，并对设备进行智能健康诊断和生命周期预测，并对故障原因进行真能诊断分析。

该项目为自研产品，主要功能是将小说文案转化成 ai 漫画推文视频，gpt 聊天和 sd ai 绘画，后端 api 主要采用的 chatgpt，edge tts，stable diffusion api ，合成视频采用的是开源项目 ffmepg ，接口用的 python 写的，将小说智能分 段，接着对每一段进行 ai 配信，gpt 推理，ai 绘画，通过 ffmpeg 合成视频片段，最终合成一个完整视频，视频字幕和文 字 logo 采用的是开源项目 paddlespeech ，字幕颜色和大小由第三方库颜色自吸工具选择。目前该应用前支持Android，iOS，web，windows，macos端，支 持视频合成下载分享，文字转音频，文本翻译，一键字幕识别等功能。优化了文本字数过多而引起的 ui 卡顿问题，性能稳 定。