1. 擅长图像方向的算法开发:
1. 以深度学习方向为例,擅长目标检测,图像分类,鉴黄,人脸识别,人脸表情分类,活体检测,文字识别,文本检测等方向,曾在这些算法方向进行过深入的研究和实践应用。
2. 以传统图像算法方向为例,擅长使用传统cv算法对图像进行处理和特征提取。
2. 擅长使用python。
人脸识别项目
项目简述:
该项目应用于人脸识别平板,为用户提供人脸识别服务;主要负责人脸识别算法的研发和基础部署;
主要工作:
1)基于 CosFace 和 Partial-FC,搭建人脸识别训练框架;加入 Attention 机制,优化特征提取模块;采用混合训练结合梯
度累积的方法,解决重叠数据集的利用问题;
2)通过人脸妆效迁移、三维重建、人脸属性编辑等方法,对数据集进行扩充,提升模型的泛化性能,解决数据不足的问题;
最终成果:
1) 算法在公司自研的人脸识别平板上线,在私有数据集上达到 TAR=0.993@FAR=0.001;
色情图像识别项目
项目简述:
该项目上线于公司内容审核平台,要求识别图像的色情程度并给出是否通过的判断;负责项目的算法开发和服务部署;
主要工作:
1)建立色情图像分类模型、色情区域检测模型,完成后处理策略的开发;
2)采用 mixup、SE-Net 结构、Focal loss 等方法提升分类模型的表现;基于 CAM 方法建立卷积模型可视化工具,从而有
目标地优化训练数据;建立逻辑回归模型作为算法后处理策略,解决面对不同用户的不同鉴黄标准难以快速响应的问题;
最终成果:
1) 算法准确率 96.8%,召回率 92.3%,在公司内部合规部门大量应用;
药品质检项目
项目简述:
该项目基于制药产线上拍摄的药品图像,提供实时缺陷药物定位、缺陷类型判断和缺陷程度评估;主导该项目的算法开发;
主要工作:
1)基于 yolov5,搭建药品检测模型并进行耗时优化;基于双生网络结构,搭建多分支缺陷分类及缺陷程度回归模型;基
于业务逻辑完成前后处理策略的开发和部分部署服务的搭建和开发;
2)通过训练图像分割模型辅助构造缺陷数据,解决缺陷数据过少的问题;构建多分支缺陷分类回归模型,解决传统 cv 缺
陷评估泛化性能不足的问题;通过使用 mobilenet 结构,基于 onnx 的部署优化,使算法满足工业应用的耗时要求;
最终成果:
1)算法识别准确率和召回率在 99.9%以上,单张图像推理(基于 cpu)耗时 180ms,现应用于华东制药试验产线;
危险警示检测 可用于监控分析园区/厂区中危险情况警示,如厂区中的火焰识别,居民区域的高空抛物识别以及区域中的路面积水检测,检测到危险情况后有效警示,避免危险的发生。 其他检测 也可用于指定其他场景检测,如园区内宠物丢失后宠物检测、厂区内的货架识别,小区涂鸦张贴检测以及工厂流
具备人脸识别和活体检测两个功能,其中人脸识别率≥99.9%;有效防活体攻击。 还具备身份证识别,人证比对技术,识别速度快,识别效果好。