猿急送>

苏州Python兼职程序员

ID：230263

波波身份已认证

python开发工程师

公司信息：
百度

工作经验：
3年

兼职日薪：
500元/8小时

兼职时间：
下班后
周日

所在区域：
苏州
全区

技术能力

软件硬件都会，软件主要为机器视觉和自然语言处理，语音懂一点
1、熟悉CNN卷积神经网络的各个层含义及前向传播反向传播的工作原理，熟悉RNN（LSTM）在自然语言处理的应用
2、熟悉Linux操作系统，具有嵌入式Linux系统下的Raspberry Pi（树莓派）、Nano pi和rk3399等arm的一些开发经验；
3、熟悉深度学习框架caffe、tensorflow、pytorch的数据训练方法，实现了手写字体、车牌识别等，熟悉Alexnet、VGG、Googlenet、resnet、densenet等网络，使用LFW人脸数据集，pytorch训练并实现人脸识别；
4、熟悉前沿检测算法fast-RCNN、faster-RCNN和Mask-RCNN，学习了slam；
5、熟悉OpenVINO视觉加速库的环境部署，以及opencv的DNN使用IR模型加速；
6、熟悉 Qt、 OpenCV图像处理与识别，掌握 C/ C++、 python；
7、读懂基本模拟，数字接口电路、熟悉 USART，USB，I2C，SPI，ADC，RTC 等接口/模块。

项目经验

交通标志识别项目描述：设计一种卷积神经网络，在深度学习pytorch框架下使用Youtube face数据集经过训练得到模型分类器，且测试集上错误率达到0.139%，结合opencv的级联人脸检测器和训练模型可定位任意图片的人脸框的以及68个关键点的位置。
工作描述：1，数据预处理（归一化、缩放、随即裁剪和tensor转化）；
2，网络模型搭建，参数设置，GPU训练；
3，结合opencv中级联人脸检测器识别人脸关键点。
pytorch人脸关键点检测项目描述：以美国交通标志数据集LISA为训练对象，采用YOLOv3目标检测方法实现实时交通标志识别。
工作描述：1，数据集格式转换、修改配置文件、训练LISA数据集
2，测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。

案例展示

室内人员检测

主要针对安防监控领域现有行人监测系统的诸多通用难题，研究设计了基于Jetson-nano的嵌入式端行人检测跟踪系统。收集开源数据集，采用一阶段目标检测YOLOv3算法为主要框架，在linux服务器上训练pytorch神经网络模型，基于原始主干网络darknet-53的结构，通过添
人脸关键点检测

分析了近些年的多种人脸检测方法，结合并设计实现了卷积神经网络在小型数据集 YouTube face 数据集的 68 点人脸关键点模型构建，经测试精确度和鲁棒性良好，并结合 Opencv 预训练的 Haar Cascade 分类器检测人脸，和基于关键点的简单特效添加，方
人脸关键点检测

分析了近些年的多种人脸检测方法，结合并设计实现了卷积神经网络在小型数据集 YouTube face 数据集的 68 点人脸关键点模型构建，经测试精确度和鲁棒性良好，并结合 Opencv 预训练的 Haar Cascade 分类器检测人脸，和基于关键点的简单特效添加，方