猿急送>

上海后端兼职程序员

ID：305582

Albert

感知算法工程师

公司信息：
新能源汽车大厂

工作经验：
4年

兼职日薪：
500元/8小时

兼职时间：
下班后

所在区域：
上海
浦东

技术能力

具备完整的项目开发能力，熟练掌握python、c++等开发语言，并具备扎实的数学和算法基础。能够独立完成图像处理、目标检测和物体识别等算法的开发和优化，对各种深度学习框架（如TensorFlow、PyTorch、Caffe等）都有一定的使用经验。除此之外，我还熟悉传统机器学习算法，如SVM、决策树等，并能够将其应用于实际问题中。此外，还掌握了CUDA等GPU加速技术，并能够结合硬件平台对算法进行优化。综上所述，我具备了扎实的编程基础和机器学习算法理论知识，能够快速开发出高效、准确的感知算法，并能够结合硬件平台进行优化，不断提升算法的性能和效率。

项目经验

基于深度学习的瑕疵缺陷检测：我们针对半导体晶圆的生产过程，使用ResNet、Inception等深度学习算法进行瑕疵缺陷检测。通过对半导体晶圆的图像分析，可以及早发现瑕疵缺陷并进行及时修复，从而提高产量和质量。我们还对算法进行了优化，缩短了模型训练和预测时间，减少了企业成本。该项目在客户公司得到了广泛应用并取得了良好的成果。

案例展示

基于Sam的图像标注工具

基于Sam模型可以快速完成对样本的标注，完美支持roi区域的选择和删除，只需要通过给过鼠标左键对目标区域点击完成选择，右键完成剔除，而不需要像labelme那样一点点完成对目标边缘的扣选，可以大大加快标注的速度和精度。
基于深度学习的边缘提取

基于深度学习模型完成对目标边缘细节的提取，相比较于传统的sift等算子，模型细节提取完整度更加逼真，基于深度学习的图像处理技术已经广泛应用于各种图像处理工具中。例如，在Photoshop等图像处理软件中，通过深度学习模型提取图像的细节信息，可以更加准确地实现各种滤镜、调色等功能。
基于深度学习的边缘提取

基于深度学习模型完成对目标边缘细节的提取，相比较于传统的sift等算子，模型细节提取完整度更加逼真，基于深度学习的图像处理技术已经广泛应用于各种图像处理工具中。例如，在Photoshop等图像处理软件中，通过深度学习模型提取图像的细节信息，可以更加准确地实现各种滤镜、调色等功能。