熟练掌握Python开发语言及其第三方库(如Pandas、Numpy数据分析;Request、Scrapy爬虫等)
熟练掌握Pytorch深度学习框架,熟悉AI模型部署加速工具(如ONNX_Runtime、TensorRT、OpenVINO等)
熟练使用Vscode、Pycharm开发软件、熟悉OpenCV图像处理、熟悉PyQt5桌面应用程序开发流程
熟练掌握深度学习目标检测算法(如YOLOv5、YOLOv8)及人工智能项目的训练、部署流程
熟悉常用大语言模型LLM(GLM4,OpenAI)的API调用,提示工程,Function Call等,有ChatGLM3-6b、Qwen1.5本地化部署,微调训练经验
熟悉MySQL数据库管理系统的增、删、查、改操作,有一定的c/c++编程基础
2024.1-至今 基于目标检测的智能零售系统
项目简介:毕业设计题目,基于YOLO系列算法(YOLOv5,v8,v9),实现智能零售柜场景和超市自助结算场景下的商品检测、价格计算,并使用TensorRT、OpenVINO部署。
已达到指标:智零售柜场景(准确率:98.4%,mAP50:99%)自助结算场景(准确率:99%,mAP50:99%)
20022.3-2022.5 基于YOLOv5的智慧鱼类系统 成员
项目简介:项目来源于实验室指导老师的智慧渔业横向课题,主要基于YOLOv5实现水下摄像头所捕获视频流的鱼类检测、统计、预估重量,使用TensorRT进行推理加速,并用PyQt5编写GUI界面进行可视化展示。
我的工作:使用LabelMe标注、处理数据集、完成模型的训练、编写PyQt5界面
2022.10-2022.12 基于深度学习的人脸相似度对比 队长
项目简介:项目来源于第四届全国高校计算机能力挑战赛赛题,题目要求检测出在复杂噪声及视角变换下的两张人脸图像是否属于同一张,以及相似度大小。
团队方案: 以FaceNet作为主干网络,使用CelebA人脸识别数据进行模型的预训练,然后再使用大赛提供的数据集进行微调。该方案最终达成96%的预测准确率,获得国赛二等奖。
我的工作:担任队长,负责分配任务、方案设计,使用Pytorch深度学习框架开发训练和测试代码。
基于YOLO系列算法(YOLOv5,v8,v9),实现智能零售柜场景和超市自助结算场景下的商品检测、价格计算,并使用TensorRT、OpenVINO部署。 已达到指标:智零售柜场景(准确率:98.4%,mAP50:99%)自助结算场景(准确率:99%,mAP50:99%)
主要基于YOLOv5实现水下摄像头所捕获视频流的鱼类检测、统计、预估重量,使用TensorRT进行推理加速,并用PyQt5编写GUI界面进行可视化展示。 我的工作:使用LabelMe标注、处理数据集、完成模型的训练、编写PyQt5界面