IT人力外包人才简历库

返回列表

AI视觉算法研发工程师(模型优化方向)

驻场外包人员
工作年限:1年 意向城市:杭州 浏览:5次 发布时间:近期

技能标签

Python开发 C++开发 PyTorch框架 深度学习模型优化 图像处理 目标检测 分割算法 模型转换 跨框架迁移 模型部署 算法调研 环境配置 代码实现 性能调优 开源框架应用

专业技能

精通Python开发及C++开发(C++开发经验较浅,需较多时间进行复杂逻辑实现),熟练使用PyTorch框架进行深度学习模型开发,熟悉Linux系统开发环境及Windows平台调试。掌握目标检测、图像分割等计算机视觉算法,具备深度学习模型部署经验。熟悉Detectron2、Darknet等开源框架,具备模型量化、跨框架迁移等技术能力。

工作履历(脱敏处理)

专注于AI视觉算法研发与模型优化,主导完成多个计算机视觉项目的技术实现与性能提升。基于Detectron2框架实现maskrcnn分割算法,通过改进特征提取模块使mAP指标提升12%;开发fasterrcnn检测模型,优化ROI池化层实现推理速度提升30%。基于Darknet框架完成yolo检测模型开发,通过多尺度特征融合技术提升小目标检测准确率。复现Caffe超分网络并完成NCNN框架迁移,实现模型推理速度提升40%。持续进行深度学习框架调研,制定模型量化方案,降低部署成本。具备良好的技术文档编写能力,能独立完成算法方案设计与实施。

项目经验(脱敏处理)

1. 基于Detectron2框架实现maskrcnn分割算法,通过改进特征提取模块和优化损失函数设计,使mAP指标提升12%。解决多尺度特征融合中的梯度消失问题,采用残差连接结构提升模型稳定性。2. 开发fasterrcnn检测模型,针对复杂背景下的目标遮挡问题,设计多尺度ROI池化层,实现推理速度提升30%。3. 基于Darknet框架完成yolo检测模型开发,通过引入注意力机制提升小目标检测准确率,解决多尺度特征对齐问题。4. 复现Caffe超分网络并完成NCNN框架迁移,采用模型量化技术将推理速度提升40%,完成模型压缩与部署优化。5. 实现darknet19分类模型开发,通过改进网络结构提升Top-5准确率,解决类别不平衡问题。

驻场外包优势

服从性高

严格遵守甲方管理制度

技术扎实

1年项目实战经验

可长期驻场

接受异地项目外派

快速响应

24小时内可到岗

企业人才对接

专业IT人力外包服务

如果贵公司有IT项目人手缺口、需要工程师驻场开发、短期人力支援需求,欢迎联系洽谈合作。

合作热线

18969108718

商务邮箱

ntit@163.com

微信扫码咨询

微信咨询二维码

扫描二维码添加商务对接

立即申请人才对接