Culaccino的案例列表
分选机器人
根据目标检测模型给出的画面中目标出现的位置，进行该目标跟踪任务直到走出相机视野范围，完成同时对画面中二十多种目标物的准确跟踪，平均帧数为50 FPS。 负责设计目标跟踪模块，提出计算时间少准确度高的目标跟踪方式，以及完成对该目标跟踪方式的C++端的编写和打包。
分选机器人
基于产线垃圾，对产线垃圾进行标注后的数据清洗，模型训练，修改模型架构反复训练，最终相较于Baseline模型在新架构目标检测模型下准确度提升3个百分点，并且成功利用C++ 转成tensorrt engine，将目标检测模块打包成dll文件和软件工程师对接。 负责目标检测模型的整体优化部署工作，带领团队完成从数据采集，数据标注，数据清洗，模型训练测试，新模型架构设计，新模型重复训练，优化模型，最后C++端成功转出tensorrt模型，以及dll目标检测模块的编写。此外负责计算机视觉三篇发明专利编写。
案例判断参考
Culaccino的案例列表
分选机器人
根据目标检测模型给出的画面中目标出现的位置，进行该目标跟踪任务直到走出相机视野范围，完成同时对画面中二十多种目标物的准确跟踪，平均帧数为50 FPS。 负责设计目标跟踪模块，提出计算时间少准确度高的目标跟踪方式，以及完成对该目标跟踪方式的C++端的编写和打包。...
分选机器人
基于产线垃圾，对产线垃圾进行标注后的数据清洗，模型训练，修改模型架构反复训练，最终相较于Baseline模型在新架构目标检测模型下准确度提升3个百分点，并且成功利用C++ 转成tensorrt engine，将目标检测模块打包成dll文件和软件工程师对接。 负责目标检测模型的整体优化部署工作，带领团队完成从数据采集，数据标注，数据清洗，模型训练测试，新模型架构设计，新模型重复训练，优化模型，最后C++端成功转出tensorrt模型，以及dll目标检测模块的编写。此外负责计算机视觉三篇发明专利编写。...
