1. 能够熟练使用Python语言进行相关开发工作,熟练使用Numpy,Pandas,Matplotlib等常用库;
2. 熟练掌握常用机器学习算法,逻辑回归,SVM支持向量机,决策树等分类算法,线性回归,回归树等回归算法,聚类(Kmeans),降维(PCA,LDA)等非监督学习算法, 并能使用sklearn机器学习库实现算法;
3. 熟练掌握神经网络相关模型,DNN、CNN(如 AlexNet,VGGNet,GoogleNet,ResNet等)、RNN和LSTM(Seq2seq)等;
4. 熟练掌握调参技巧及深度学习相关优化算法;
5. 熟练使用深度学习框架 Tensorflow、Keras,能以此设计搭建网络模型;
6. 熟练掌握对抗神经网络(GAN,DCGAN)在图像生成,图像风格迁移,超分辨率重构方面的应用;
7. 熟悉目标检测识别常用算法原理及代码,有Faster R-CNN、SSD、YOLO_V3等网络框架使用经验,可以根据不同场景优化调节相关参数;
8. 熟练掌握OpenCV进行图像处理,如:图像变换、腐蚀、膨胀、边缘检测、轮廓检测等;
9. 熟悉facenet人脸检测算法原理及实现。
工作内容:
面对大量用户,清理掉打广告、发布不良信息等不良用户,维护app内部环境,是每个开发者都要做的事。对面交友app在用户使用的头像中识别用户上传的图片是否属于违规图片
工作职责:
使用公司提供的图像进行标注图像
在Google Net的基础上建立模型并进行预训练
将标注好的图像进行白化等操作进一步的处理
将处理后的图片放入模型中进行训练
使用多种模式进行调优:梯度下降、学习率调整、优化器选择、Dropout等
项目效果:通过对模型的优化调整,最终使得模型的准确率达到90%以上,大量减少不良用户使用头像图片进行广告及传播不良信息