晟心AI
高级软件工程师
马瑞利 · 8年经验
日薪：
￥500/8h
地点：
广州 天河
时间：
下班后周六周日可工作日远程
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
1、本人计算机科学与技术专业硕士毕业，有4年算法开发工作经验，4年Linux编程经验；
2、熟练掌握C/C++和python，并养成良好的编程习惯，遵循汽车级的严格编程规范；
3、熟悉深度学习领域的pytorch框架和tensorflow框架，熟练使用图像处理领域的opencv工具库，同时也有自主开发算法和利用C语言优化算法的经验；
4、具有较强的深度学习算法模型搭建与训练，熟悉目标检测、人脸检测，目标跟踪，人体骨架等方向；
2、熟练掌握C/C++和python，并养成良好的编程习惯，遵循汽车级的严格编程规范；
3、熟悉深度学习领域的pytorch框架和tensorflow框架，熟练使用图像处理领域的opencv工具库，同时也有自主开发算法和利用C语言优化算法的经验；
4、具有较强的深度学习算法模型搭建与训练，熟悉目标检测、人脸检测，目标跟踪，人体骨架等方向；
项目经验
人脸识别，目标检测项目，目标跟踪项目，OCR识别项目；
1.yolov5算法改进，加入注意力机制，优化loss, 提升精度，轻量化网络设计（shufflenetv2，mobilenetv3，efficientnetv2等）可以解答；
2.基于yolov5的车牌检测，模型进行了一定改进，已训练好模型，数据集为ccpd2020（也可以指定数据集），提供权重，代码，操作流程。支持车牌种类：蓝色单层车牌，黄色单层车牌，绿色新能源车牌，黑色单层车牌，白色警牌，军牌等，仅使用五千张左右图像训练集，模型精度高达95.7%；
3.yolov5 python和c++版本的tensorRT部署，linux和windows，PC和Jetson都能运行，包含：1.运行环境配置；2.pytorch模型转换ONNX，转tensorRT过程；3.c++和python接口封装；
1.yolov5算法改进，加入注意力机制，优化loss, 提升精度，轻量化网络设计（shufflenetv2，mobilenetv3，efficientnetv2等）可以解答；
2.基于yolov5的车牌检测，模型进行了一定改进，已训练好模型，数据集为ccpd2020（也可以指定数据集），提供权重，代码，操作流程。支持车牌种类：蓝色单层车牌，黄色单层车牌，绿色新能源车牌，黑色单层车牌，白色警牌，军牌等，仅使用五千张左右图像训练集，模型精度高达95.7%；
3.yolov5 python和c++版本的tensorRT部署，linux和windows，PC和Jetson都能运行，包含：1.运行环境配置；2.pytorch模型转换ONNX，转tensorRT过程；3.c++和python接口封装；
晟心AI
高级软件工程师 · 8年经验 · 马瑞利
0
累计接单
0
用户评价
1
被收藏
信用行为
0
接单数
0
评价数
1
收藏数
技术能力
1、本人计算机科学与技术专业硕士毕业，有4年算法开发工作经验，4年Linux编程经验；
2、熟练掌握C/C++和python，并养成良好的编程习惯，遵循汽车级的严格编程规范；
3、熟悉深度学习领域的pytorch框架和tensorflow框架，熟练使用图像处理领域的opencv工具库，同时也有自主开发算法和利用C语言优化算法的经验；
4、具有较强的深度学习算法模型搭建与训练，熟悉目标检测、人脸检测，目标跟踪，人体骨架等方向；
2、熟练掌握C/C++和python，并养成良好的编程习惯，遵循汽车级的严格编程规范；
3、熟悉深度学习领域的pytorch框架和tensorflow框架，熟练使用图像处理领域的opencv工具库，同时也有自主开发算法和利用C语言优化算法的经验；
4、具有较强的深度学习算法模型搭建与训练，熟悉目标检测、人脸检测，目标跟踪，人体骨架等方向；
项目经验
人脸识别，目标检测项目，目标跟踪项目，OCR识别项目；
1.yolov5算法改进，加入注意力机制，优化loss, 提升精度，轻量化网络设计（shufflenetv2，mobilenetv3，efficientnetv2等）可以解答；
2.基于yolov5的车牌检测，模型进行了一定改进，已训练好模型，数据集为ccpd2020（也可以指定数据集），提供权重，代码，操作流程。支持车牌种类：蓝色单层车牌，黄色单层车牌，绿色新能源车牌，黑色单层车牌，白色警牌，军牌等，仅使用五千张左右图像训练集，模型精度高达95.7%；
3.yolov5 python和c++版本的tensorRT部署，linux和windows，PC和Jetson都能运行，包含：1.运行环境配置；2.pytorch模型转换ONNX，转tensorRT过程；3.c++和python接口封装；
1.yolov5算法改进，加入注意力机制，优化loss, 提升精度，轻量化网络设计（shufflenetv2，mobilenetv3，efficientnetv2等）可以解答；
2.基于yolov5的车牌检测，模型进行了一定改进，已训练好模型，数据集为ccpd2020（也可以指定数据集），提供权重，代码，操作流程。支持车牌种类：蓝色单层车牌，黄色单层车牌，绿色新能源车牌，黑色单层车牌，白色警牌，军牌等，仅使用五千张左右图像训练集，模型精度高达95.7%；
3.yolov5 python和c++版本的tensorRT部署，linux和windows，PC和Jetson都能运行，包含：1.运行环境配置；2.pytorch模型转换ONNX，转tensorRT过程；3.c++和python接口封装；
案例展示
模型压缩
1.YOLOv5目标检测之模型压缩实战，yolov5、yolov3、Yolov4训练，跑通,精度提升、轻量化、剪枝都可以。包括各种结构改进，另外，接环境各种Cuda安装、Gpu环境安装、yolov5、Yolov4 、yolov3环境安装 2.labelimg打标签、voc数据集
AI算法模板部署
AI落地、部署、移植、算法SDK方向 具备工程落地的一些知识（C++、Makefile、cmake、编译相关、SDK），多参与一些实际项目攒攒经验，多熟悉一些常见的大厂造的部署轮子（libtorch、TensorRT、openvino、TVM、openppl、Caffe等），尝
车牌识别项目
基于yolov5的车牌检测，模型进行了一定改进，已训练好模型，数据集为ccpd2020（也可以指定数据集），提供权重，代码，操作流程。支持车牌种类：蓝色单层车牌，黄色单层车牌，绿色新能源车牌，黑色单层车牌，白色警牌，军牌等，仅使用五千张左右图像训练集，模型精度高达95.7%。
立即沟通
