编程语言:熟练使用Python、C++(OpenCV)进行图像相关项目开发,有良好的代码编程规范
开发工具:熟练使用Windows环境下的Pycharm、Visual Studio集成开发工具,及Ubuntu下的Pycharm、VScode进行代码编写及bug调试
系统环境:熟练Windows及Linux系统开发及运行环境的搭建,熟悉Linux开发环境及Linux常用命令,熟练使用linux命令对环境,文件及工程项目进行管理,使用Anaconda管理虚拟环境
Python库:熟练运用Numpy、Pandas、Matplotlib、Sklearn、OpenCV、OpenSlide、OS等工具类库
深度学习框架:熟悉Tensorflow、Pytorch框架
机器学习算法:熟悉线性回归、SVM、K-means聚类、KNN等机器学习算法
传统算法:熟练使用OpenCV库对图像进行图像融合裁剪、增强、滤波、几何变换、霍夫变换、边缘提取、图像匹配等传统算法
深度神经网络:熟悉GoogleNet、ResNet、DenseNet、AlexNet、VGGNet等经典神经网络模型
目标检测算法:熟悉YOLOv1-v8、RCNN系列Fast/Faster R-CNN,SSD,FCOS等单、双阶段目标检测算法
分割算法:熟悉Unet、FCN、PSPnet等语义分割算法和Mask R-CNN、Mask Scoring R-CNN等实例分割算法
模型优化:熟悉TensorRT模型加速优化推理部署
一、安全隐患排查小程序
项目背景:
微信小程序城建卫士,识别出目标物会显示该物体的安全规范模板供检查人员参考,主要用来辅助检查人员进行隐患排查。
主要功能:
识别配电柜、配电箱、配电房、机床、焊机、除尘设备、除尘管道、木材、动火作业、防爆柜、十种危化品(N_N_二甲基甲酰胺、次氯酸钠、氮气、汽油、氢氧化钠、氩气、盐酸、氧气、乙醇、异丙醇)、接线设备、灯具、RTO废气焚烧炉、压力表、叉车、机械臂、皮带输送机、起重机械共28分类
技术架构:
Python、Pytorch、YOLOv7
二、SISH切片搜索引擎
项目背景:
这个搜索引擎是用于病理医生在不确定的情况下,截图与数据库里面的切片patch案例去进行匹配,以达到减小误判率或者在不确定的情况下进行一个对比。
主要功能:
输入(单张或多张)图片与数据库里面的patch案例进行匹配
技术框架:
Python、Pytorch、DenseNet121
三、前列腺癌辅助诊断系统
项目背景:
病理每天需要做活检的患者很多,这样病理医生的工作量就会非常大,人工看切片久了很容易疲劳,这时候就难免误判。前列腺癌辅助诊断系统的作用就是辅助病理医生对患者活检切片进行Gleason评分,减少病理医生工作量,提升工作效率,减少误判等情况,还能对水平不高的病理医院进行辅助。
主要功能:
病变区域进行Gleason评分,根据Gleason评分生成初诊模板
技术框架:
Python、Pytorch、deeplabV3