猿急送>

成都其它兼职程序员

ID：273433

.i 身份已认证

研究生

公司信息：
电子科技大学计算机学院

工作经验：
1年

兼职日薪：
500元/8小时

兼职时间：
可工作日驻场（自由职业原因）

所在区域：
成都
郫县

技术能力

熟悉 C、C++、Java 、Python、SQL和常用数据结构及算法。了解机器学习、深度学习的常用思想和方法，熟悉使用 pytorch 框架、tensorflow 框架。取得过计算机软件著作权登记证书—信息录入核查系统（IEVS1.0）。985本硕，CET-4 & CET-6，英语能力优秀。对计算机技术有很强的学习兴趣，具备良好的逻辑思辨能力、学习能力、沟通能力、有团队合作精神

项目经验

项目1——基于深度学习的花卉识别系统设计与实现开发
项目简介：采集常见花卉的图片，基于机器学习的框架，研究并训练深度学习模型，实现对常见花卉品种的识别，并在此基础
上，设计与实现一款应用软件，该软件可以选择花卉图片作为输入，通过调用模型获得识别结果并输出。
技术要点：使用 pytorch 框架，参考 vgg16,resnet50,mobilenet,googlenet 等网络，搭建了一个原创模型。对爬取的花卉数
据进行处理和增强，多次训练使该花卉种类分类器达到了很好的识别效果。制作了一款安卓软件，实现拍照识别花卉的功能。

项目2——基于视觉与 GPS 信息的机器人道面维护项目负责人
项目简介：机场跑道异物（FOD）探测系统采用视频检测技术和雷达探测技术，能在不影响航班正常起降的情况下，对机场跑道
异物进行实时的检测并告警。当探测到异物后，利用机器人通过 GPS 和摄像头视觉信息定位异物并清除。整个团队项目主要分
为两部分，第一部分是视觉图像识别（由我个人负责实现），第二部分是机器人底座驱动平台（余下 4 人负责）。
工作内容：研究训练了深度卷积神经网络以提升异物检测的速度和准确性。基于 tensorflow2 框架，中期使用 yolov4 使视频
检测帧率为 18-23FPS、mAP 为 82.2%。结题时使用 mobilenetv1 的 backbone 替换 yolov4 的 CSPDarknet53 后，又调整
宽度因子使参数量得到有效下降，在 mAP 只下降 10%的情况下使得帧率达到了 30-35FPS，足以满足实时检测异物的需求。

项目3——软件-信息录入核查系统（IEVS1.0）开发
项目简介：该系统为污水处理公司提供数据处理服务，实现数据表的自动计算，存储，导出和数据的可视化等功能。识别核查无效数据，整合各省市县级数据，实现批量自动处理数据的功能。
技术要点：开发语言为 Python，数据库采用 SQLite，开发了一个数据库桌面应用，并申请了软件著作权。

其它编程工作
进行过微信小程序的开发和上线工作，制作过网页小游戏，学习过 HTML5/CSS/JS 等前端开发语言。

案例展示

FOD-机场异物目标检测

研究了一种改进的深度卷积神经网络以提升异物检测的准确性。因为有些道面异物非常小，难以检测，而且不同的道面异物往往差异很大，因此基于深度学习的道面小异物检测算法通过自动学习目标特征，能够提高异物检测的准确性，即使在光照条件等环境因素改变的情况下，依然能够较准确地检测异物，解决检测率
基于深度学习的花卉识别系统设计与实现

比较传统机器学习图像分类方法和基于深度学习的分类方法，针对花卉识别的具体问题，结合相关理论分析优劣后，选择使用深度学习模型进行花卉种类分类。参照经典网络模型结构，设计了多分支的分类模型结构，并解释说明此模型的各个模块的具体功能。多轮训练达到不错的分类效果后，统计分类指标并