猿急送>

成都其它兼职程序员

ID：278801

ccc

图像识别工程师

公司信息：
西华大学

工作经验：
4年

兼职日薪：
500元/8小时

兼职时间：
可工作日远程

所在区域：
成都
高新

技术能力

opencv数字图像处理：数学形态学、图像分割、道路结构化信息目标检测
qtcreator/pyqt5：管理系统开发
机器学习：支持向量机、主成分分析、图像特征提取
深度学习目标检测：yolov3/yolov5/ssd单阶段目标检测算法模型训练与部署

项目经验

软件工程专业毕业设计
研究目标：设计实现一款基于计算机视觉的车道线与路面异物检测系统。
模型设计
车道检测：应用OSTU、角点检测、最小二乘曲线拟合、深度学习语义分割等方法检测车道线。
异物检测：基于边缘和灰度的融合特征，应用GrabCut图像分割算法检测路面多目标异物。
箭头识别：基于Hog特征描述子、PCA、SVM，建立针对五类路面箭头的分类模型。
横道检测：基于斑马线的梯度一致性，应用透视变换、滑动窗口算法检测斑马线(人行横道)。
目标检测：搜集、标注、增强数据集，应用YOLOv3、SSD等目标模型检测10类路面常见目标。
承担工作
应用开发：基于Qt Creator，采用多线程编程的方式开发系统的图形化工作界面。界面能读入测试图片、视频以及摄像头实时采
集到的视频，进而对原始数据进行处理，并将处理结果显示到系统界面。
模型实现：使用C++语言编程实现车道检测、异物检测和斑马线检测等功能模块下的主要算法；
使用python编程实现标志识别功能模块的分类模型训练与执行代码;
基于开源方案实现YOLOv3和SSD模型的训练与推理。

案例展示

基于计算机视觉的车道线与路面异物检测系统

基于Qt Creator和OpenCV，使用C++和Python编程语言，组合应用成熟的数字图像处理、机器学习(深度学习)等领域的算法，开发了一款基于计算机视觉的车道线与路面异物检测系统。系统包括视频采集车道线检测、路面异物检测、斑马线检测、路面箭头识别、路面目标检测共6个功能模
基于yolov5的机场异物检测系统

基于pyqt5和OpenCV，使用Python编程语言，组合应用成熟的数字图像处理和深度学习目标检测算法，开发了一款基于yolov5的异物检测系统。系统包括视频采集、机场异物检测2个功能模块。视频采集：通过文件采集行车视频。机场异物检测：通过yolov5模型推理roi区域，检测特