张春
本人具备扎实的编程基础,特别是在深度学习和计算机视觉方面有较强的实践能力。关于深度学习，目前主要从事
职业经历
工作经历
2023年09月 — 2023年12月
其他职位,其他职位,其他职位
截至当前，本人仍处于研究生在读阶段，尚未进入全职工作岗位。简历中呈现的项目经历均为学术科研导向的深度实践以及我的实习经历，包括： 以工业级标准完成的毕业设计（存储介质损伤检测系统开发，获评优秀论文） 校企合作背景的缺陷检测项目（担任组长协调算法开发与验证） 这些经历使我具备将学术研究成果转化为工程解决方案的能力
教育经历
智能制造工程
2020年09月 — 2024年06月
项目经历
2024年01月 — 2024年04月
项目概述:提出了一种基于事件相机和半监督学习的存储介质损伤检测方法,通过事件流数据重构图像,并结合渐进式对比学习策略,实现了高精度的损伤分类。 主要创新: 事件流成像方案:提出基于多时间窗事件聚合的图像重构方法,结合霍夫圆变换和高斯滤波,有效去除了事件相机数据中的噪声,提升图像质量。 渐进式对比学习:设计了一种新的半监督学习方法,通过渐进式对比学习策略,充分利用类内与类间关系,显著提升了模型在已知类别和新类别上的分类准确率。 研究成果:该方法多个评价指标(NMI、ARI、ACC和表示能力)上均优于近期提出的多个半监督学习方法(如DTC、ORCA、IIC、OpenNCD),已知类别、新类别和全类别准确率分别达到了:93.50%、92.02%、95.36%。为存储介质损伤检测提供了一种高效、低成本的解决方案。
2023年03月 — 2023年05月
项目概述:本项目利用先进的计算机视觉技术,对硬盘铝合金基板上的缺陷进行自动化检测。具体地,使用仿生差分相机采集到的事件流数据,结合多种深度学习算法(M2Det、YOLOv5、Mask R-CNN),实现对铝基板点痕、划痕和污渍等缺陷的高效识别与分类。 研究成果:在测试集上,点痕缺陷与污渍缺陷的召回率达80%以上。通过特征图可视化验证了模型对缺陷区域的有效关注。
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「张春」查看。