猿急送>

广州其它兼职程序员

ID：277703

厼豪

算法工程师

公司信息：
某IT公司

工作经验：
2年

兼职日薪：
500元/8小时

兼职时间：
下班后
周六
周日
可工作日远程

所在区域：
广州
白云

技术能力

1. 熟悉使用Linux命令及相关开发工具，比如：git, vim等；
2. 熟悉C++，Python及相关高性能编程，如：异步，多线程等；熟悉使用Flask框架；
3. 常用的数据结构和算法，如：栈，队列等；
4. 熟悉机器学习算法理论和相关实现，如：SVM，BP神经网络，Logistic回归，树模型和提升模型，等等；
5. 熟悉图像识别，目标检测，语义分割相关的常用的深度学习模型，如：ResNet, FCN，U-Net，YOLO，等等；
6. 熟悉机器学习以及深度学习常用框架的使用，如：sklearn, TensorFlow, PyTorch；
7. 熟悉深度学习环境搭建及模型部署。

项目经验

2017年12月至2020年2月，实验室项目：乳腺超声图像的分割，设计并实现一种基于超像素分类的算法和一种基于注意力机制的深度学习算法。涉及的技术点：SLIC，GLCM, LBP, U-Net。成果：国际会议论文一篇，SCI一区论文一篇。
2019年3月至2019年6月，公司项目：工业相机图像的超分辨率重建，设计并实现一种基于GAN的超分辨率算法，实现工业相机图像的超分重建，降低相机成本。涉及的技术点：E-SRGAN
2021年6月-2021年9月，公司项目：五类车检测追踪，使用的技术：YOLO+DeepSort+Python高性能编程。

案例展示

本人就实验室工作发表的SCI论文

乳腺超声图像分割的工作中，本人负责设计并实现算法，以及论文的编写。该算法流程： 1. SLIC算法生成超像素； 2. 对超像素提取颜色、纹理特征；使用BP神经网络进行分类； 3. 后处理，最大连通域，Snakes
基于监控视频的五类车检测与追踪

基于监控视频的五类车检测与追踪，负责工作：实现yolo+Deep算法，python高性能编程，总体部署。算法步骤： 1. 对车辆进行识别定位； 2. 根据检测的坐标进行追踪； 3. 根据设定的入线和出线，确定车辆的方向
基于监控视频的五类车检测与追踪

基于监控视频的五类车检测与追踪，负责工作：实现yolo+Deep算法，python高性能编程，总体部署。算法步骤： 1. 对车辆进行识别定位； 2. 根据检测的坐标进行追踪； 3. 根据设定的入线和出线，确定车辆的方向。