高毅鹏

2015.7-216.3 腾讯
工作职责：负责支付交易信息的存储服务器的维护和开发任务，并承担一定的接口开发，
性能测试和接口对接任务， 期间经历了平安夜， 跨年夜等重大节日时系统的维护。
工作业绩： 1. 完成相关数据的迁移， 存储和查询失败时的解决方案。
2.阅读部门代码， 并整理成文档增加部门的技术积淀。 完成系统重要模块的性能压测，
并部署相关环境和代码
2016.7-至今 服务端人脸识别算法
项目职务： 核心功能算法负责人
项目描述： 在服务器端用司机的证件照进行注册， 然后与通过前端筛选算法选出的适合
识别的人脸照片进行 1:1 人脸验证或 1： N 人脸识别。
项目业绩： 1.对于 Arcface Loss 算法的网络架构进行改进， 50 层 Resnet 网络改进前
在 GPU 下耗时 60ms， 改进后耗时 20ms、 而且模型大小为40M
2、同源数据算法识别准确率可达96%。
2018.1-至今 移动端人脸识别算法（C++）
项目描述： 在移动端用司机证件照的进行注册， 然后与用实时上传的司机照片进行 1：
N 或 1:1 人脸识别。
项目业绩： 1.利用 SSD算法进行人脸检测， 对 SSD 算法进行改进， 能够坚持小目标，并在移动端耗时减少2ms，在海思3516DV300上耗时15ms。
2.鉴于模型较大不易部署的原因， 将 50层的Resnet网络进行优化，优化的模型在海思3516DV300上耗时10ms，模型大小为10M。
3.优化后算法准确率提升较多完成了客户对于手机照片和红外图像识别比对。
2017.3-至今 物体分类
项目描述： 1.在海思端用计算机视觉算法检测篷布的闭合， 和空重状态。
2.检测公交、 出租司机是否佩戴安全带。
3.分类渣土的类型， 以及摄像头是否被损坏。
项目业绩： 1.自研设计深度学习网络模型 G-net， 还高通芯片上耗时 1ms， 在海思 3516A
上面耗时 60ms 左右。
2.利用SENET中的思想优化G-net网络模型，在耗时增加不多的情形准确率有较大的提升。