2021年9月 - 至今 |算法工程师
根据已有的科研工作,基于机器学习的方法,建立rPPG模型,进行心率估计。
使用Python(相关的numpy,pandas,sklearn, matplotlib 等库)进行前期数据清洗,特征选取,模型选择与训练和结果评估等相关工作。
将评测完成的模型迁移至其他模型和数据。此外还精通目标检测、识别、分类的部署。
熟练掌握python开发,数据分析等。简单软件开发方面综合能力强,能全面的思考需求解决方案。
负责过以下项目:
1、基于yolov5l模型开发,加载预训练模型参数yolov5l.pt。训练时将other类中的实例重新分类到 motor vehicle、non-motor-vehicle和pedestrian中的一类。训练集在比赛方提供 的雨雪天气行车记录仪照片的基础上,加入重新分类的COCO数据集,晴天行车记录仪照片,共计 26000余张照片进行训练,确保每个待识别类都有实例10000例以上。负责编写数据处理脚本,数据预处理。目标检测算法搭建、训练。文件ubuntu中docker环境打包上传。
2、rPPG(远程心率估计),每次心跳带来的血液流动会在人体皮肤组织的微血管中形成周期性的变化,从而对吸收或反射光也会有一个周期性的信号。这个周期性的信号人眼无法观测到,但是可以通过高清摄像头采集到的人脸数据中分析出来,从而检测心率,所以这种方法也被称为超感知的心率检测。负责视频图片采集、数据处理、整理,模型的训练,优化,实验结果的对比,下游任务心率分析、估计。同时我对该模型的代码进行了优化,提升了数据心率速度和准确率。
基于yolov5l模型开发,加载预训练模型参数yolov5l.pt。训练时将other类中的实例重新分类到motor vehicle、non-motor-vehicle和pedestrian中的一类,并不再检测other类。训练集在比赛方提供的雨雪天气行车记录仪照片的基础上,加入
rPPG(远程心率估计),每次心跳带来的血液流动会在人体皮肤组织的微血管中形成周期性的变化,从而对吸收或反射光也会有一个周期性的信号。这个周期性的信号人眼无法观测到,但是可以通过高清摄像头采集到的人脸数据中分析出来,从而检测心率,所以这种方法也被称为超感知的心率检测。rPPG的优