有良好的编码习惯,熟练使用JavaScript和Python两种语言。
擅长前后端开发、自然语言处理等。对于非自然语言处理方向的、依赖于算法的任务,仍有良好的建模并解决的能力。
技术栈:h5、css、js、node、react、koa、puppeteer、sequelize、python、django、hanlp、pandas、numpy、opencv、pytorch、sklearn、gensim、pyqt5等。
基于人脸识别的考勤系统,实现了大场景下的多脸检测并识别,生成考勤结果并写入数据库。
基于遗传算法的自动排课算法。
改编simhash算法用于计算图像之间的相似度,用于以图搜图、图像去重等下游任务。
图像去水印。
在大场景下进行人脸检测、人脸对齐、特征提取、特征比对、生成考勤结果、写入数据库等。 我充当的角色为全栈工程师。主要进行了可行性分析、技术选型、需求分析、按照开发流程绘制UML图、根据UML图实现系统、测试。 前端使用了常规的css+js+react进行开发;后端使用了pyth
输入图像所处文件,自动去重。 原理: 总体上借用了simhash的思想。 1.提取图片的HSV特征并转成直方图; 2.通过tfidf获得最能表达该图特点的几个维度; 3.生成权重,将topn的每一位映射成哈希值,该哈希值为十进制,需要先转化成二进制然后进行归一化,大于1
输入图像所处文件,自动去重。 原理: 总体上借用了simhash的思想。 1.提取图片的HSV特征并转成直方图; 2.通过tfidf获得最能表达该图特点的几个维度; 3.生成权重,将topn的每一位映射成哈希值,该哈希值为十进制,需要先转化成二进制然后进行归一化,大于1