璀璨的案例列表
轻量化语义分割算法研发
本项目面向复杂场景下的高精度、低计算量图像语义分割需求，基于 PyTorch 设计并实现轻量化深度学习分割网络。本人负责算法架构设计、核心模块研发、模型训练及实验验证。通过引入轴向压缩注意力 ACAB 与引导特征增强模块 GFEB，提升全局语义建模与边界细节恢复能力。在 Cityscapes 数据集上取得 75.48% mIoU，模型计算量为 0.78 GFLOPs，参数量约 1.16M。完成了数据预处理、模型训练、消融实验、基线对比和性能分析，适用于智能场景理解及轻量化视觉模型研发。
基于深度学习的目标轨迹跟踪
本项目聚焦网球、羽毛球视频中的高速小目标定位与连续轨迹跟踪，基于 PyTorch 研发 TrajectoryNet++ 算法。本人参与模型架构设计、关键模块优化、训练调参与实验评估。设计多尺度方向先验提取模块 MSPEM 与跨层知识注意力模块 CKAM，融合局部几何特征与跨层语义信息，提升复杂运动场景中的目标定位能力。代表性实验结果实现 92.1% Accuracy、90.6% F1 和 46.2 FPS，并完成基线算法对比及可视化分析，可用于体育视频分析及运动目标智能跟踪。
案例判断参考
璀璨的案例列表
轻量化语义分割算法研发
本项目面向复杂场景下的高精度、低计算量图像语义分割需求，基于 PyTorch 设计并实现轻量化深度学习分割网络。本人负责算法架构设计、核心模块研发、模型训练及实验验证。通过引入轴向压缩注意力 ACAB 与引导特征增强模块 GFEB，提升全局语义建模与边界细节恢复能力。在 Cityscapes 数据集上取得 75.48% mIoU，模型计算量为 0.78 GFLOPs，参数量约 1.16M。完成了数据预处理、模型训练、消融实验、基线对比和性能分析，适用于智能场景理解及轻量化视觉模型研发。...
基于深度学习的目标轨迹跟踪
本项目聚焦网球、羽毛球视频中的高速小目标定位与连续轨迹跟踪，基于 PyTorch 研发 TrajectoryNet++ 算法。本人参与模型架构设计、关键模块优化、训练调参与实验评估。设计多尺度方向先验提取模块 MSPEM 与跨层知识注意力模块 CKAM，融合局部几何特征与跨层语义信息，提升复杂运动场景中的目标定位能力。代表性实验结果实现 92.1% Accuracy、90.6% F1 和 46.2 FPS，并完成基线算法对比及可视化分析，可用于体育视频分析及运动目标智能跟踪。...
