1、熟悉C、Python、Lua语言,了解Java、C++、C#、Go、matlab等语言;
2、熟悉常见深度学习-机器视觉方向算法,如resnet、densenet等图片分类算法和yolo_v3、faster-rcnn等图片检测算法;熟悉模型训练、测试、部署方法;
3、熟悉Linux系统开发,熟悉深度学习框架tensorflow;了解Python web框架django、flask开发;
4、熟悉Oracle、Mysql等关系型数据库和MongoDB等非关系型数据库;
5、熟悉工业机器人控制算法,熟悉嵌入式单片机开发(stm8、stm32);
6、较强的数学基础,曾获得全国大学生数学建模竞赛二等奖;
7、英语六级(CET-6),能阅读英文文献;
1、完成工厂系统中人脸检测和姿势识别子系统后端程序,主要使用Python/C+++OpenCV+Tensorflow(FaceNet/PoseNet模型),用于工厂岗位人员是否在岗检测;
2、麻将牌识别,通过摄像头识别麻将牌,包括分割和识别,采用OpenCV直线分割+Inception V3迁移学习进行图片识别;
3、电力系统图像检测,输变电系统中的鸟巢、高空悬挂物等检测模型优化、测试、部署;
4、工业4.0 MES系统开发,负责后端程序开发(JAVA);
5、无人机环境监测项目开发,主要完成子板单片机STM8和STM32程序开发,完成数据采集、处理、传输;
针对输电线路无人机拍摄的图片,进行线路缺陷检测,具体工作如下: 1、模型训练:跟踪最新的目标检测算法进展,有选择性的采用自有业务数据进行验证(主要针对AP50提升较大的算法),如Yolov3, Libra-RCNN, TridentNet,FCOS,EfficientDet等;
针对施工现场,对作业人员的未带安全帽、未穿工装、未带手套登高、现场吸烟等违规行为进行自动识别,包括模型训练和部署; 模型训练:对原始数据进行清洗,标注,增广,然后采用Yolov5l进行模型训练; 模型部署:在边缘计算卡英伟达Tx2进行部署,首先将模型转换为半精度tensorr