技术能力

机器学习，深度学习，人脸识别，目标检测，目标识别，软件开发，图形库，gpu加速
1.熟悉机器学习算法模型（线性回归、KNN、SVM、K-means系列、随机森林XGBOOST,GBDT等）。
2.熟悉深度学习网络：BP、CNN(LeNet、VGG、GoogleNet、ResNet、DarkNet）、GAN、RNN(LSTM)等，熟悉TensorFlow框架以及深度学习中的变量共享、多GPU部署、迁移学习等，有相关实战经验。
3.熟悉计算机视觉图像处理基本网络，包括：RCNN、FasterRCNN、SSD、YOLO等，熟悉OpenCV库。
4.熟悉Numpy、Pandas、Matplotlib、Tensorboard等Python等开发模块。
5.熟悉人脸识别框架MTCNN、FaceNet等。
6.熟悉特征工程，包含数据清洗，特征提取，特征选择，数据降维，模型评估等
7.了解3D检测技术和3D重建技术。
8.了解Halcon、VisionPro工具，了解SLAM算法。
9.熟悉C++\Python ,熟悉QT，thinter，能快速进行界面设计。
10.熟悉图形库opengl,drictX ,了解vulkan;
11.熟悉cuda/openCL进行编程；
12.能对项目进行管理与把控，原理、技术识别，项目拆解，项目分析。
13.有管理经验，已经接过10个大型项目

项目经验

项目二：镇江市智能交通项目

项目描述：镇江市智慧交通项目是一个路面实时车辆通行状况，它进行车型识别、车牌识别、非机动车检测、行人检测、车辆自动记数、红绿灯识别、车辆排队长度、拥堵程度判断分析，分析这些信息可用于实现交通态势预测和红绿灯优化配置，从而缓解交通拥堵指数，加快车辆通行速度，提升城市运行效率，检测拥堵、逆行、违章停车、缓行、闯红灯、抛锚、车辆事故、快速路上的行人和非机动车、路面抛洒物、路口行人大量聚集等异常交通事件等，根据这些信息，一方面进行实时报警，一方面通过视频索引可以实现以图搜图查询，通过车辆轨迹跟踪保留证据，实现非现场执法，以实现节省大量警力，提高交通管理的效率。

工作内容：
1.收集数据，对摄像机获取的视频数据进行处理；
2.算法模型的选型与验证：以SSD目标检测网络作为核心算法，使用 tensorflow框架进行建模，负责模型的训练和测试。
3.负责模型的优化、调参。

项目结果：车辆违停检测误差率：4%，车辆逆行检测误差率：<3%,行人检测误差率：4%。

团队情况