技术能力

熟练使用 python、tensorflow、pytorch、sklearn、MATLAB、MySQL 与 Neo4j 等工具
熟悉 linux 系统操作、vim 使用与服务器使用
掌握机器学习算法,如 SVM、决策树算法、集成学习、聚类算法等
掌握 OpenCV 图像与深度学习相关网络,如 CNN、图像分类(AlexNet、VGG、ResNet)、目标
检测(Fater R-CNN、YOLO)、图像分割(Mask RCNN、U-Net)等
了解 NLP 自然语言处理,如文本分词、词性实体识别、Transformer、RNN 等

项目经验

智慧交通-车流量检测
项目介绍: 该项目应用在城市重要交通枢纽进行车流量统计,进行拥堵判断与交通调度.通过
摄像头拍摄道路景象,通过 YoloV3 算法检测车辆,并通过卡尔曼滤波进行预测与修正,建立跟
踪链,利用匈牙利算法进行目标关联,在画面设置虚拟线圈,车辆中心通过时,计数器进行累计.
该模型已训练成熟,还可应用停车场车辆统计、商场小区出入人数统计.
工作职责: 挑选模型算法并修改模型,训练目标检测模型.重新设计 NMS 方法,提高密集型目
标检测能力.设计车流量统计数学模型,设计检测模型与跟踪模型、计算模型的结合

车道线检测及车道偏移预警
项目介绍:该项目是协助驾驶员判断前方道路并提示车辆偏离车道.通过车载摄像机获得道
路图像并进行校正,利用边缘提取和颜色阈值提取车道线,利用直方图确定左右车道线,利用
最小二乘法拟合车道线并利用透视变换将检测结果绘制在图像上,计算车辆偏离车道中央距
离,来判断是否预警偏离.
工作职责:图像校正处理,相机标定,设计边缘提取车道线模型,设计把提取的车道线进行变
换和拟合方法,设计预警数学模型.

团队情况