雷虎杰
图像处理算法工程师 · 3年经验 · 湖南自兴人工智能科技集团有限公司
0
累计接单
0
用户评价
0
被收藏
技术能力
1.精通人工智能项目开发流程
2.熟练使用pytorch、Caffe、Tensorflow等常用深度学习工具
3.熟悉计算机视觉和图像处理的常用方法（物体检测、跟踪、分割、分类识别等等）
4.有视觉系统开发、部署、运维经验
5.熟悉Python、JAVA
2.熟练使用pytorch、Caffe、Tensorflow等常用深度学习工具
3.熟悉计算机视觉和图像处理的常用方法（物体检测、跟踪、分割、分类识别等等）
4.有视觉系统开发、部署、运维经验
5.熟悉Python、JAVA
项目经验
项目一：像素级分割疾病诊断
对于疾病图像的精确解读，一直是医疗领域最为关注的领域之一，深度学习领域也对此进行了很多尝试，在医疗领域，U-NET
成为了其中的佼佼者。U-NET 可以将疾病图片进行像素级别的精确分割与解读，并且拥有超高成功率。我们将一起探索 U-NET 对于医疗图像像素及分割的强大作用。
项目二：无人驾驶中的车辆、标志及行人检测
无人驾驶中要面对的首要问题就是对车辆、行人、标志的识别。在深度学习目标检测领域，有很多出色的技术可以帮助我们
实现这一目标，YOLO 就是其中出类拔萃的一种。我们将通过 YOLO 来实现无人驾驶中对于车辆、行人及标志的检测。
对于疾病图像的精确解读，一直是医疗领域最为关注的领域之一，深度学习领域也对此进行了很多尝试，在医疗领域，U-NET
成为了其中的佼佼者。U-NET 可以将疾病图片进行像素级别的精确分割与解读，并且拥有超高成功率。我们将一起探索 U-NET 对于医疗图像像素及分割的强大作用。
项目二：无人驾驶中的车辆、标志及行人检测
无人驾驶中要面对的首要问题就是对车辆、行人、标志的识别。在深度学习目标检测领域，有很多出色的技术可以帮助我们
实现这一目标，YOLO 就是其中出类拔萃的一种。我们将通过 YOLO 来实现无人驾驶中对于车辆、行人及标志的检测。
案例展示
像素级分割疾病诊断、无人驾驶检测
项目一：像素级分割疾病诊断 对于疾病图像的精确解读，一直是医疗领域最为关注的领域之一，深度学习领域也对此进行了很多尝试，在医疗领域，U-NET 成为了其中的佼佼者。U-NET 可以将疾病图片进行像素级别的精确分割与解读，并且拥有超高成功率。我们将一起探索 U-NET 对于医疗
无人驾驶中的车辆、标志及行人检测
项目二：无人驾驶中的车辆、标志及行人检测 无人驾驶中要面对的首要问题就是对车辆、行人、标志的识别。在深度学习目标检测领域，有很多出色的技术可以帮助我们 实现这一目标，YOLO 就是其中出类拔萃的一种。我们将通过 YOLO 来实现无人驾驶中对于车辆、行人及标志的检测。
