1、本人计算机科学与技术专业硕士毕业,有4年算法开发工作经验,4年Linux编程经验;
2、熟练掌握C/C++和python,并养成良好的编程习惯,遵循汽车级的严格编程规范;
3、熟悉深度学习领域的pytorch框架和tensorflow框架,熟练使用图像处理领域的opencv工具库,同时也有自主开发算法和利用C语言优化算法的经验;
4、具有较强的深度学习算法模型搭建与训练,熟悉目标检测、人脸检测,目标跟踪,人体骨架等方向;
人脸识别,目标检测项目,目标跟踪项目,OCR识别项目;
1.yolov5算法改进,加入注意力机制,优化loss, 提升精度,轻量化网络设计(shufflenetv2,mobilenetv3,efficientnetv2等)可以解答;
2.基于yolov5的车牌检测,模型进行了一定改进,已训练好模型,数据集为ccpd2020(也可以指定数据集),提供权重,代码,操作流程。支持车牌种类:蓝色单层车牌,黄色单层车牌,绿色新能源车牌,黑色单层车牌,白色警牌,军牌等,仅使用五千张左右图像训练集,模型精度高达95.7%;
3.yolov5 python和c++版本的tensorRT部署,linux和windows,PC和Jetson都能运行,包含:1.运行环境配置;2.pytorch模型转换ONNX,转tensorRT过程;3.c++和python接口封装;
1.YOLOv5目标检测之模型压缩实战,yolov5、yolov3、Yolov4训练,跑通,精度提升、轻量化、剪枝都可以。包括各种结构改进,另外,接环境各种Cuda安装、Gpu环境安装、yolov5、Yolov4 、yolov3环境安装 2.labelimg打标签、voc数据集
AI落地、部署、移植、算法SDK方向 具备工程落地的一些知识(C++、Makefile、cmake、编译相关、SDK),多参与一些实际项目攒攒经验,多熟悉一些常见的大厂造的部署轮子(libtorch、TensorRT、openvino、TVM、openppl、Caffe等),尝
基于yolov5的车牌检测,模型进行了一定改进,已训练好模型,数据集为ccpd2020(也可以指定数据集),提供权重,代码,操作流程。支持车牌种类:蓝色单层车牌,黄色单层车牌,绿色新能源车牌,黑色单层车牌,白色警牌,军牌等,仅使用五千张左右图像训练集,模型精度高达95.7%。