ZhiTalent Cloud
而立zl

而立zl

- 精通机器学习与深度学习模型，涵盖LR、GBDT、XGBoost、SVM、DNN、CNN及Tran

发送消息
0 · 0条评价 回复率 50% 4年经验 ¥400/时
人工智能
技术

职业经历

- 精通机器学习与深度学习模型，涵盖LR、GBDT、XGBoost、SVM、DNN、CNN及Transformer，熟练使用TensorFlow与PyTorch进行开发和调优。 - 主导ViT、BERT、GPT系列模型在CV/NLP领域的应用落地，具备LLaMA、ResNet等模型的微调与轻量化能力（知识蒸馏、量化压缩、动态剪枝）。 - 深耕多模态融合技术，包括激光雷达点云与视觉数据融合、AIS与视频联合分析，支持边缘端多传感器部署（ROS/OpenCV标定）。 - 全链路模型优化与部署，基于TensorRT/DeepStream实现推理速度提升3倍以上，熟悉NVIDIA Jetson平台，掌握Docker容器化及Flask/Django接口开发。 - 熟练运用工具链，如OpenCV、ROS、PCL、Hugging Face模型库，以及Git/Jira协作流程。 - 核心编程语言为Python，同时精通C++（嵌入式优化）与Java（后端服务）。

工作经历

图像算法工程师 · 中路交科科技股份有限公司

2022年07月 — 2025年05月

技术,人工智能,图像算法工程师

交通事件检测系统: ⚫ 使用YOLOv8/YOLOv11进行车辆、行人目标检测,结合TensorRT量化与加速,推理速度从15 FPS提升至30 FPS(JetsonXavier NX平台),显存占用降低约35%。 ⚫ 集成DeepStream管道进行边缘端部署,优化多流视频输入处理,系统可稳定支持8路1080P实时检测。 ⚫ 设计交通事件检测策略(拥堵、事故、临时停车、逆行),整体事件检测准确率达97.2%,漏检率低于2.5%,日均处 理交通视频超480小时。 ⚫ 部署场景:已落地5条高速公路,支撑交通部门实时预警与事后取证。

图像算法工程师 · 亚信科技(南京)有限公司

2019年08月 — 2022年07月

技术,人工智能,图像算法工程师

行人重识别系统(公安应用): ⚫ 实现并优化人脸检测算法(基于RetinaFace改进版),在人脸卡口摄像头场景下,人脸检测召回率提升至98.2%。 ⚫ 基于跨镜追踪(Re-ID)模型(采用ResNet50 + Triplet Loss优化方案),在自建公安监控数据集上,Rank-1识别率达 91.7%。 ⚫ 负责开发Python服务端,基于gRPC实现与C++客户端高效通信,支持跨语言调用与分布式部署,接口延迟控制在<30ms。 签章篡改检测系统: ⚫ 由于真实PS篡改样本稀缺,自主设计数据增强策略,通过图像粘贴与变换方式,生成超20万张合成样本用于模型训练。 ⚫ 以双流 Faster R-CNN为基线模型,后期替换为双流 SSD网络,兼顾检测精度与推理速度,整体推理速度提升约2.5倍, 准确率提高约4.2%。 ⚫ 使用Flask框架开发RESTful API接口,支持批量文件检测,接口并发处理能力达600次/分钟。

教育经历

安徽农业大学

农业信息化

2015年09月 — 2017年07月

项目经历

视频融合系统

2025年01月 — 2025年01月

⚫ 基于自研标定板,完成Velodyne激光雷达与相机(Sony IMX系列)的外参标定,平均重投影误差低于1.8像素。 ⚫ 激光雷达采用3D目标检测(CenterPoint)算法,图像侧采用YOLOv11检测,融合检测后小目标识别率提升18%,特别 是在夜间与恶劣天气下,整体检测稳定性提升。 ⚫ 系统部署在边缘端设备(Jetson AGX Xavier),可实时处理10Hz激光雷达点云 + 30FPS视频流,支持交通流量统计与异 常事件检测。

桥梁防撞检测系统

2025年01月 — 2025年01月

⚫ 开发AIS船舶数据解析模块与视频检测模块,基于Kalman滤波进行航迹预测,并结合图像估算船舶高度误差在**±0.5米 **以内。 ⚫ 桥梁防撞预警系统整体误报率控制在低于4%,准确率达95%以上,系统覆盖长江及珠江流域4座大型桥梁,累计监测 船舶超过40万艘次。 ⚫ 项目采用Docker部署,支持自动更新与远程维护,系统年均故障率低于0.2%。 交通智慧稽核系统: ⚫ 基于CLIP+ReID技术搭建车辆以图搜图系统,支持百万级车辆特征索引与快速检索,平均检索时间低于0.8秒。 ⚫ 稽核准确率提升至96.5%,显著提高交通稽查取证效率,应用于收费站、城市执法等多个场景。 ⚫ 引入多模态检索(图像+文本描述),支持模糊描述检索(如“白色SUV”),进一步提升检索灵活性与用户体验。

电力巡检智能检测系统

2025年01月 — 2025年01月

⚫ 处理原始小规模巡检数据,采用旋转、缩放、裁剪、颜色变换等增强手段扩充数据集,数据量提升3倍,缓解过拟合 问题。 ⚫ 初期使用YOLO系列(one-stage检测器)模型,因小目标检测误检率较高,后切换至Faster R-CNN并进行小目标检测优 化。 ⚫ 针对小目标密集分布场景,自主改进非极大值抑制(NMS)策略,提升密集小物体的检测准确率(mAP提升7.5%)。 ⚫ 使用Flask开发接口服务,支持无人机采集图像自动上传并调用模型检测,生成巡检诊断报

TA 的技能服务

该人才共 1 项技能服务，可在 技能服务 中搜索「而立zl」查看。