◆熟练掌握Python,Tensorflow和Pytorch深度学习框架,OpenVINO和Atlas深度学习加速框架。熟悉主流目标检测,分类网络,分割模型,GAN。具有计算机视觉、深度学习相关的产品架构设计,功能研发,性能优化及项目落地部署经验。
◆ 英语:雅思6.5、CET6。
目标检测/分割/分类/传统图像算法/Huawei Atlas/TensorRT
◆ 工业场景缺陷检测项目的架构设计,功能研发,效率优化及部署。
◆ 目标检测算法的多模型融合,参数调优,Atlas平台转换推理加速工作。
◆ 深度学习算法与传统图像算法相结合,优势互补,分别检测不同特征的缺陷。
◆ 现场问题协调,意见反馈,大量数据的分析处理及各种缺陷样本的数据分析,数据集的制作。
OCR/Intel OpenVINO
◆ 游戏场景OCR项目的模型训练及调优,功能研发及效率优化工作。
◆ OpenVINO平台不同精度模型在不同型号CPU上的性能分析测试工作。
3D重建
◆ 实现基于单张2D室内场景图片的3D重建,并替换地板或墙面。
人脸活体检测
◆ 实现基于单张2D图片的人脸活体检测。
角色 | 职位 |
负责人 | 人工智能应用工程师 |
队员 | 安卓工程师 |
队员 | 前端工程师 |
队员 | 后端工程师 |
◆ 使用SOTA的神经网络分割出地板区域。 ◆ 使用3D算法计算透视角度。 ◆ 使用传统图像算法进行光影融合。
工业界的光伏电池片的质检完全依赖于人力,且判定标准因人而异,准确率低效率慢。该项目使用多种 传统图像算法结合多种深度学习算法模型,对30余种缺陷进行检测,实现了“无人车间”的升级改造,为 工厂节省70%以上的人工成本。