本人独立完成基于YOLOP多任务网络的车载视觉感知开发,实现车辆目标检测、可行驶区域分割、车道线识别三大任务并行推理。基于PyTorch完成模型训练与调优,使用BDD100K公开数据集完成训练与验证,针对复杂路况、逆光、车辆遮挡场景做数据增强优化,提升模型泛化能力。
完成模型轻量化转换为ONNX格式,适配Jetson嵌入式设备部署,封装实时视频推理接口,单帧推理延迟控制在200ms内,检测mAP指标达到行业主流水平。配套开发可视化结果展示模块,可输出检测标注图、分割掩码,完整覆盖数据集处理、多任务模型训练、端侧部署全流程,可用于货运车辆安全监测、辅助驾驶场景落地。
系统功能:基于 MQTT + TDengine 的工业设备实
项目职责:将 Yolov5 模型训练的权重文件转换为 Ten
项目职责:将 Yolov5 模型训练的权重文件转换为 Ten
为国内头部车企及Tier1供应商研发的智能座舱人机交互系统,
为满足工业现场对多设备状态集中监控的需求,我主导开发了一套基
我曾利用Arduino开发了一套能在运动中实时测量距离的智能
需求方专属客服,免费梳理匹配
添加客服微信,免费为您安排与该工程师直接沟通
长按二维码添加客服微信
如当前档期不合,也可免费为您推荐相似案例作者