编程语言:C/C++、Python、Matlab、Cuda、NEON/SSE;
工程能力:Git、Cmake(跨平台)、会JNI供Android调用C++、会一点OC用供iOS调用C++;
算法能力:传统图像处理(滤波/滤镜/形变等)、机器学习算法(HOG特征描述/决策树/Boosting等)、DeepLearning(分类、检测、分割、强化学习)
人脸检测算法:fddb上的MT-FACE v1为本人一人完成(http://vis-www.cs.umass.edu/fddb/results.html)
人脸对齐及跟踪算法:可以稳定的识别出人脸的40多个特征点,2015年的中端Android机可以跑到15ms以内(进行了算法和代码级别优化);在公司内部的数据集上以两眼瞳距做归一化的距离误差在3.4%左右(初始版本在5.4%左右);
人脸皮肤问题识别算法:面部皱纹的分割(iou-0.40+)/分级(10级MAE1.0左右)、黑眼圈的分级(ACC-88);
DQN:参考DeepMind的论文和OpenAI开源的baseline实现DQN算法;算法对于SpaceInvaders场景可以跑到14000分(单1080Ti GPU 6天);