猴猴🙈
算法开发工程师
太平洋保险金融科技有限公司 · 3年经验
日薪：
￥900/8h
地点：
上海 徐汇
时间：
下班后周六周日
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1. 擅长图像方向的算法开发：
1. 以深度学习方向为例，擅长目标检测，图像分类，鉴黄，人脸识别，人脸表情分类，活体检测，文字识别，文本检测等方向，曾在这些算法方向进行过深入的研究和实践应用。
2. 以传统图像算法方向为例，擅长使用传统cv算法对图像进行处理和特征提取。
2. 擅长使用python。
1. 以深度学习方向为例，擅长目标检测，图像分类，鉴黄，人脸识别，人脸表情分类，活体检测，文字识别，文本检测等方向，曾在这些算法方向进行过深入的研究和实践应用。
2. 以传统图像算法方向为例，擅长使用传统cv算法对图像进行处理和特征提取。
2. 擅长使用python。
项目经验
人脸识别项目
项目简述：
该项目应用于人脸识别平板，为用户提供人脸识别服务；主要负责人脸识别算法的研发和基础部署；
主要工作：
1）基于 CosFace 和 Partial-FC，搭建人脸识别训练框架；加入 Attention 机制，优化特征提取模块；采用混合训练结合梯
度累积的方法，解决重叠数据集的利用问题；
2）通过人脸妆效迁移、三维重建、人脸属性编辑等方法，对数据集进行扩充，提升模型的泛化性能，解决数据不足的问题；
最终成果：
1） 算法在公司自研的人脸识别平板上线，在私有数据集上达到 TAR=0.993@FAR=0.001；
色情图像识别项目
项目简述：
该项目上线于公司内容审核平台，要求识别图像的色情程度并给出是否通过的判断；负责项目的算法开发和服务部署；
主要工作：
1）建立色情图像分类模型、色情区域检测模型，完成后处理策略的开发；
2）采用 mixup、SE-Net 结构、Focal loss 等方法提升分类模型的表现；基于 CAM 方法建立卷积模型可视化工具，从而有
目标地优化训练数据；建立逻辑回归模型作为算法后处理策略，解决面对不同用户的不同鉴黄标准难以快速响应的问题；
最终成果：
1） 算法准确率 96.8%，召回率 92.3%，在公司内部合规部门大量应用；
药品质检项目
项目简述：
该项目基于制药产线上拍摄的药品图像，提供实时缺陷药物定位、缺陷类型判断和缺陷程度评估；主导该项目的算法开发；
主要工作：
1）基于 yolov5，搭建药品检测模型并进行耗时优化；基于双生网络结构，搭建多分支缺陷分类及缺陷程度回归模型；基
于业务逻辑完成前后处理策略的开发和部分部署服务的搭建和开发；
2）通过训练图像分割模型辅助构造缺陷数据，解决缺陷数据过少的问题；构建多分支缺陷分类回归模型，解决传统 cv 缺
陷评估泛化性能不足的问题；通过使用 mobilenet 结构，基于 onnx 的部署优化，使算法满足工业应用的耗时要求；
最终成果：
1）算法识别准确率和召回率在 99.9%以上，单张图像推理(基于 cpu)耗时 180ms，现应用于华东制药试验产线；
项目简述：
该项目应用于人脸识别平板，为用户提供人脸识别服务；主要负责人脸识别算法的研发和基础部署；
主要工作：
1）基于 CosFace 和 Partial-FC，搭建人脸识别训练框架；加入 Attention 机制，优化特征提取模块；采用混合训练结合梯
度累积的方法，解决重叠数据集的利用问题；
2）通过人脸妆效迁移、三维重建、人脸属性编辑等方法，对数据集进行扩充，提升模型的泛化性能，解决数据不足的问题；
最终成果：
1） 算法在公司自研的人脸识别平板上线，在私有数据集上达到 TAR=0.993@FAR=0.001；
色情图像识别项目
项目简述：
该项目上线于公司内容审核平台，要求识别图像的色情程度并给出是否通过的判断；负责项目的算法开发和服务部署；
主要工作：
1）建立色情图像分类模型、色情区域检测模型，完成后处理策略的开发；
2）采用 mixup、SE-Net 结构、Focal loss 等方法提升分类模型的表现；基于 CAM 方法建立卷积模型可视化工具，从而有
目标地优化训练数据；建立逻辑回归模型作为算法后处理策略，解决面对不同用户的不同鉴黄标准难以快速响应的问题；
最终成果：
1） 算法准确率 96.8%，召回率 92.3%，在公司内部合规部门大量应用；
药品质检项目
项目简述：
该项目基于制药产线上拍摄的药品图像，提供实时缺陷药物定位、缺陷类型判断和缺陷程度评估；主导该项目的算法开发；
主要工作：
1）基于 yolov5，搭建药品检测模型并进行耗时优化；基于双生网络结构，搭建多分支缺陷分类及缺陷程度回归模型；基
于业务逻辑完成前后处理策略的开发和部分部署服务的搭建和开发；
2）通过训练图像分割模型辅助构造缺陷数据，解决缺陷数据过少的问题；构建多分支缺陷分类回归模型，解决传统 cv 缺
陷评估泛化性能不足的问题；通过使用 mobilenet 结构，基于 onnx 的部署优化，使算法满足工业应用的耗时要求；
最终成果：
1）算法识别准确率和召回率在 99.9%以上，单张图像推理(基于 cpu)耗时 180ms，现应用于华东制药试验产线；
猴猴🙈
算法开发工程师 · 3年经验 · 太平洋保险金融科技有限公司
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1. 擅长图像方向的算法开发：
1. 以深度学习方向为例，擅长目标检测，图像分类，鉴黄，人脸识别，人脸表情分类，活体检测，文字识别，文本检测等方向，曾在这些算法方向进行过深入的研究和实践应用。
2. 以传统图像算法方向为例，擅长使用传统cv算法对图像进行处理和特征提取。
2. 擅长使用python。
1. 以深度学习方向为例，擅长目标检测，图像分类，鉴黄，人脸识别，人脸表情分类，活体检测，文字识别，文本检测等方向，曾在这些算法方向进行过深入的研究和实践应用。
2. 以传统图像算法方向为例，擅长使用传统cv算法对图像进行处理和特征提取。
2. 擅长使用python。
项目经验
人脸识别项目
项目简述：
该项目应用于人脸识别平板，为用户提供人脸识别服务；主要负责人脸识别算法的研发和基础部署；
主要工作：
1）基于 CosFace 和 Partial-FC，搭建人脸识别训练框架；加入 Attention 机制，优化特征提取模块；采用混合训练结合梯
度累积的方法，解决重叠数据集的利用问题；
2）通过人脸妆效迁移、三维重建、人脸属性编辑等方法，对数据集进行扩充，提升模型的泛化性能，解决数据不足的问题；
最终成果：
1） 算法在公司自研的人脸识别平板上线，在私有数据集上达到 TAR=0.993@FAR=0.001；
色情图像识别项目
项目简述：
该项目上线于公司内容审核平台，要求识别图像的色情程度并给出是否通过的判断；负责项目的算法开发和服务部署；
主要工作：
1）建立色情图像分类模型、色情区域检测模型，完成后处理策略的开发；
2）采用 mixup、SE-Net 结构、Focal loss 等方法提升分类模型的表现；基于 CAM 方法建立卷积模型可视化工具，从而有
目标地优化训练数据；建立逻辑回归模型作为算法后处理策略，解决面对不同用户的不同鉴黄标准难以快速响应的问题；
最终成果：
1） 算法准确率 96.8%，召回率 92.3%，在公司内部合规部门大量应用；
药品质检项目
项目简述：
该项目基于制药产线上拍摄的药品图像，提供实时缺陷药物定位、缺陷类型判断和缺陷程度评估；主导该项目的算法开发；
主要工作：
1）基于 yolov5，搭建药品检测模型并进行耗时优化；基于双生网络结构，搭建多分支缺陷分类及缺陷程度回归模型；基
于业务逻辑完成前后处理策略的开发和部分部署服务的搭建和开发；
2）通过训练图像分割模型辅助构造缺陷数据，解决缺陷数据过少的问题；构建多分支缺陷分类回归模型，解决传统 cv 缺
陷评估泛化性能不足的问题；通过使用 mobilenet 结构，基于 onnx 的部署优化，使算法满足工业应用的耗时要求；
最终成果：
1）算法识别准确率和召回率在 99.9%以上，单张图像推理(基于 cpu)耗时 180ms，现应用于华东制药试验产线；
项目简述：
该项目应用于人脸识别平板，为用户提供人脸识别服务；主要负责人脸识别算法的研发和基础部署；
主要工作：
1）基于 CosFace 和 Partial-FC，搭建人脸识别训练框架；加入 Attention 机制，优化特征提取模块；采用混合训练结合梯
度累积的方法，解决重叠数据集的利用问题；
2）通过人脸妆效迁移、三维重建、人脸属性编辑等方法，对数据集进行扩充，提升模型的泛化性能，解决数据不足的问题；
最终成果：
1） 算法在公司自研的人脸识别平板上线，在私有数据集上达到 TAR=0.993@FAR=0.001；
色情图像识别项目
项目简述：
该项目上线于公司内容审核平台，要求识别图像的色情程度并给出是否通过的判断；负责项目的算法开发和服务部署；
主要工作：
1）建立色情图像分类模型、色情区域检测模型，完成后处理策略的开发；
2）采用 mixup、SE-Net 结构、Focal loss 等方法提升分类模型的表现；基于 CAM 方法建立卷积模型可视化工具，从而有
目标地优化训练数据；建立逻辑回归模型作为算法后处理策略，解决面对不同用户的不同鉴黄标准难以快速响应的问题；
最终成果：
1） 算法准确率 96.8%，召回率 92.3%，在公司内部合规部门大量应用；
药品质检项目
项目简述：
该项目基于制药产线上拍摄的药品图像，提供实时缺陷药物定位、缺陷类型判断和缺陷程度评估；主导该项目的算法开发；
主要工作：
1）基于 yolov5，搭建药品检测模型并进行耗时优化；基于双生网络结构，搭建多分支缺陷分类及缺陷程度回归模型；基
于业务逻辑完成前后处理策略的开发和部分部署服务的搭建和开发；
2）通过训练图像分割模型辅助构造缺陷数据，解决缺陷数据过少的问题；构建多分支缺陷分类回归模型，解决传统 cv 缺
陷评估泛化性能不足的问题；通过使用 mobilenet 结构，基于 onnx 的部署优化，使算法满足工业应用的耗时要求；
最终成果：
1）算法识别准确率和召回率在 99.9%以上，单张图像推理(基于 cpu)耗时 180ms，现应用于华东制药试验产线；
立即沟通
