星辰
AI工程师
大连星睿融创 · 5年经验
日薪：
￥500/8h
地点：
大连 全区
时间：
可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
1 精通python，C++初级，熟悉pytorch、sklearn、numpy、pandas、matplotlib、flask、spacy、gensim、neo4j和huggingface 等；
2 熟悉用opencv进行常见的图片处理；
3 熟悉linux开发环境，vim、git、svn；
4 熟悉逻辑回归、kNN、k-means和模型集成，熟悉CNN、RNN、LSTM、Transformers的基本原理和实现；
5 熟悉神经网络的训练、调参，熟悉不同的优化方法，熟悉不同的神经网络组件；
6 熟悉图片分类、目标检测、图像分割、人群计数和模型压缩；
7 熟悉RCNN系列、Retinanet、Detnet、Centernet、Yolo，熟悉FCN、PSPNet、Unet及其改进，熟悉Mean-Teacher、Autoencoder、Vit；
8 熟悉一些NLP模型，TF-IDF、Word2vec、FastText、Transformer、Bert、Albert、Longformer等；
9 英语六级，能够在翻译软件帮助下阅读论文
2 熟悉用opencv进行常见的图片处理；
3 熟悉linux开发环境，vim、git、svn；
4 熟悉逻辑回归、kNN、k-means和模型集成，熟悉CNN、RNN、LSTM、Transformers的基本原理和实现；
5 熟悉神经网络的训练、调参，熟悉不同的优化方法，熟悉不同的神经网络组件；
6 熟悉图片分类、目标检测、图像分割、人群计数和模型压缩；
7 熟悉RCNN系列、Retinanet、Detnet、Centernet、Yolo，熟悉FCN、PSPNet、Unet及其改进，熟悉Mean-Teacher、Autoencoder、Vit；
8 熟悉一些NLP模型，TF-IDF、Word2vec、FastText、Transformer、Bert、Albert、Longformer等；
9 英语六级，能够在翻译软件帮助下阅读论文
项目经验
1 金融实体NER；
2 词云；
3 文本摘要；
4 NLP工具Api；
5 烟盒缺陷检测；
6 门板缺陷检测；
7 密封环缺陷检测；
8 人群计数；
9 车辆行人检测。
2 词云；
3 文本摘要；
4 NLP工具Api；
5 烟盒缺陷检测；
6 门板缺陷检测；
7 密封环缺陷检测；
8 人群计数；
9 车辆行人检测。
ID:257681
复制
星辰
AI工程师 · 5年经验 · 大连星睿融创
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 精通python，C++初级，熟悉pytorch、sklearn、numpy、pandas、matplotlib、flask、spacy、gensim、neo4j和huggingface 等；
2 熟悉用opencv进行常见的图片处理；
3 熟悉linux开发环境，vim、git、svn；
4 熟悉逻辑回归、kNN、k-means和模型集成，熟悉CNN、RNN、LSTM、Transformers的基本原理和实现；
5 熟悉神经网络的训练、调参，熟悉不同的优化方法，熟悉不同的神经网络组件；
6 熟悉图片分类、目标检测、图像分割、人群计数和模型压缩；
7 熟悉RCNN系列、Retinanet、Detnet、Centernet、Yolo，熟悉FCN、PSPNet、Unet及其改进，熟悉Mean-Teacher、Autoencoder、Vit；
8 熟悉一些NLP模型，TF-IDF、Word2vec、FastText、Transformer、Bert、Albert、Longformer等；
9 英语六级，能够在翻译软件帮助下阅读论文
2 熟悉用opencv进行常见的图片处理；
3 熟悉linux开发环境，vim、git、svn；
4 熟悉逻辑回归、kNN、k-means和模型集成，熟悉CNN、RNN、LSTM、Transformers的基本原理和实现；
5 熟悉神经网络的训练、调参，熟悉不同的优化方法，熟悉不同的神经网络组件；
6 熟悉图片分类、目标检测、图像分割、人群计数和模型压缩；
7 熟悉RCNN系列、Retinanet、Detnet、Centernet、Yolo，熟悉FCN、PSPNet、Unet及其改进，熟悉Mean-Teacher、Autoencoder、Vit；
8 熟悉一些NLP模型，TF-IDF、Word2vec、FastText、Transformer、Bert、Albert、Longformer等；
9 英语六级，能够在翻译软件帮助下阅读论文
项目经验
案例展示
烟盒缺陷检测
对烟厂的烟盒包装进行缺陷检测。数据的特点的有大量的ok样本，少量ng样本，所以采用了无监督学习和监督学习结合的方法。无监督方法只用ok样本训练，能检测整个烟盒上的未知缺陷。用监督学习对烟盒开口处进行分类，区分翻边、 露白，并用cam进行热图可视化，用特定算法进行ood检测。
密封环缺陷检测
密封环缺陷检测是对密封环上的裂纹进行缺陷检测，采用语义分割的方法。数据特点是数据少，缺陷面积比较小，属于低层的语义，所以采用Unet，并对它进行改进，使其能很好的复用底层特征。Loss实验过CrossEnropyLoss、FocalLoss、IOULoss等。
门板缺陷检测
板缺陷检测是对门板上的划痕、凸起、压痕进行检测，采用目标检测的方法，刚开始模型是用的开源detectron2框架，后来通过对retinanet论文的研究，自己实现了retinanet。
人群计数
用改进后的CSRNet进行人群计数。
立即沟通
