掌握多种计算机语言包括Python,Java,Javascript ;
熟悉基本的数据结构和算法 ;
熟悉各类机器学习和深度学习网络框架,常用的模型包括CNN,RNN网络模型,并有相关模型的复现,优化经验,擅长语音和计算机视觉领域
在校实习过程中,在所在实习公司,负责参与智能健身器材的算法研发,并配合产品落地;参与智能哑铃动作评价算法研发,利用传感器读取的加速度数据,基于PCA和SVM算法对所提取的特征进行降维分类,在15组哑铃动作上,取得平均86%的准确率,该算法已在app中上线;参与电视端跳操评价算法研发,利用采集的人体骨骼点数据,基于DTW算法评价用户跳操动作;开发桌面端数据特征提取与处理工具,方便后期非工程人员对算法进行调试
学术方面,实现基于人体骨骼点的动作分类模型,利用GCN网络,结合Channel-wise注意力机制和Dense连接,模型取得SOTA性能,并发表于ICPR会议
在app的平台上,结合智能哑铃,通过所研发的算法引导用户学习哑铃课程,并对用户的学习效果给出评价。 用户需要手持智能哑铃,跟随app教程中的教练完成动作。每完成一个动作,算法会对用户完成动作的情况进行评价。 评价结果分为三个等级,perfect:用户正确地完成了一个动作;goo
实现基于人体骨骼点的动作分类模型,利用GCN网络,结合Channel-wise注意力机制和Dense连接,模型取得SOTA性能