言兮
算法工程师
深圳智磊科技有限公司 · 2年经验
日薪：
￥600/8h
地点：
深圳 龙华
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.熟练掌握多种经典机器学习算法的原理，如：KNN、线性回归、逻辑回归、K-means 聚类、SVM、决策树、随机森林,主成分分析，集成学习，HMM算法等等
2.熟悉神经网络算法，如 CNN、Faster-RCN、SSD、YOLO、RNN、MOBILENET、 Lstm, Gru 系列等
3.熟悉经典主流神经网络：VGG、GooLeNet、ResNet，BERT, seq2seq 模型和 word2vec 模型等
4.熟悉深度学习框架，如 tensorflow， pytorch, 可实现多种算法模型
5.熟悉 Python 编程语言，熟悉 numpy、matplotlib、OpenCV, pandas, sklearn库
6.熟悉 Linux 操作系统的基本命令及 MySQL 数据库，可进行增、删、查、选的基本操作需求
7.有扎实的数学基础，熟练掌握积分求导等数学模型
8.熟悉 c 语言，matlab,传感器等相关知识, 了解部分c++知识
2.熟悉神经网络算法，如 CNN、Faster-RCN、SSD、YOLO、RNN、MOBILENET、 Lstm, Gru 系列等
3.熟悉经典主流神经网络：VGG、GooLeNet、ResNet，BERT, seq2seq 模型和 word2vec 模型等
4.熟悉深度学习框架，如 tensorflow， pytorch, 可实现多种算法模型
5.熟悉 Python 编程语言，熟悉 numpy、matplotlib、OpenCV, pandas, sklearn库
6.熟悉 Linux 操作系统的基本命令及 MySQL 数据库，可进行增、删、查、选的基本操作需求
7.有扎实的数学基础，熟练掌握积分求导等数学模型
8.熟悉 c 语言，matlab,传感器等相关知识, 了解部分c++知识
项目经验
项目名称：基于红外传感器的姿态识别
项目背景：随着生活水平的提高，智能家居也已经越来越普及，利用红外阵列传感器的智能家居进行人体姿态识别，有助于在识别人体姿态
的同时，根据人体的行为家居设备进行相应的操作。
项目描述：
一、需求分析：通过光学摄像头结合红外传感器记录人体姿势行为，家居设备根据人类的姿态判断人的行为进行相应的控制，现有的技术可以实现热感图人体姿态识别。
二、数据获取：数据来源于甲方，一方面是光学摄像头记录的数据，这些数据通过openpose算法打好18个关键点的标签，另一方面就是红外传感器获得的热感图数据，前者的标签和后者的图的关键点一一对应，以此作为训练数据，并且进行图像增强、清洗不相关数据。
三、模型构建和模型训练：模型采用的是3d卷积的方式来处理，五层3d卷积和四层3d反卷积（光学摄像头和红外传感器的热感图是利用时间戳来进行一一对应），设计好之后，将数据放到模型里进行训练，观察训练过程中的热感图关键点实时检测情况，检查精度。
四、模型优化：采用更好优化器adm、激活函数使用leakey，通过调整学习率衰减公式中的local_step优化学习率经过模型训练优化，模型准确率达到96.98%。
五、模型部署：模型部署在服务器上，有服务器对数据进行预测处理，光学摄像头和红外传感器只是存储数据的媒介。
项目背景：随着生活水平的提高，智能家居也已经越来越普及，利用红外阵列传感器的智能家居进行人体姿态识别，有助于在识别人体姿态
的同时，根据人体的行为家居设备进行相应的操作。
项目描述：
一、需求分析：通过光学摄像头结合红外传感器记录人体姿势行为，家居设备根据人类的姿态判断人的行为进行相应的控制，现有的技术可以实现热感图人体姿态识别。
二、数据获取：数据来源于甲方，一方面是光学摄像头记录的数据，这些数据通过openpose算法打好18个关键点的标签，另一方面就是红外传感器获得的热感图数据，前者的标签和后者的图的关键点一一对应，以此作为训练数据，并且进行图像增强、清洗不相关数据。
三、模型构建和模型训练：模型采用的是3d卷积的方式来处理，五层3d卷积和四层3d反卷积（光学摄像头和红外传感器的热感图是利用时间戳来进行一一对应），设计好之后，将数据放到模型里进行训练，观察训练过程中的热感图关键点实时检测情况，检查精度。
四、模型优化：采用更好优化器adm、激活函数使用leakey，通过调整学习率衰减公式中的local_step优化学习率经过模型训练优化，模型准确率达到96.98%。
五、模型部署：模型部署在服务器上，有服务器对数据进行预测处理，光学摄像头和红外传感器只是存储数据的媒介。
言兮
算法工程师 · 2年经验 · 深圳智磊科技有限公司
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.熟练掌握多种经典机器学习算法的原理，如：KNN、线性回归、逻辑回归、K-means 聚类、SVM、决策树、随机森林,主成分分析，集成学习，HMM算法等等
2.熟悉神经网络算法，如 CNN、Faster-RCN、SSD、YOLO、RNN、MOBILENET、 Lstm, Gru 系列等
3.熟悉经典主流神经网络：VGG、GooLeNet、ResNet，BERT, seq2seq 模型和 word2vec 模型等
4.熟悉深度学习框架，如 tensorflow， pytorch, 可实现多种算法模型
5.熟悉 Python 编程语言，熟悉 numpy、matplotlib、OpenCV, pandas, sklearn库
6.熟悉 Linux 操作系统的基本命令及 MySQL 数据库，可进行增、删、查、选的基本操作需求
7.有扎实的数学基础，熟练掌握积分求导等数学模型
8.熟悉 c 语言，matlab,传感器等相关知识, 了解部分c++知识
2.熟悉神经网络算法，如 CNN、Faster-RCN、SSD、YOLO、RNN、MOBILENET、 Lstm, Gru 系列等
3.熟悉经典主流神经网络：VGG、GooLeNet、ResNet，BERT, seq2seq 模型和 word2vec 模型等
4.熟悉深度学习框架，如 tensorflow， pytorch, 可实现多种算法模型
5.熟悉 Python 编程语言，熟悉 numpy、matplotlib、OpenCV, pandas, sklearn库
6.熟悉 Linux 操作系统的基本命令及 MySQL 数据库，可进行增、删、查、选的基本操作需求
7.有扎实的数学基础，熟练掌握积分求导等数学模型
8.熟悉 c 语言，matlab,传感器等相关知识, 了解部分c++知识
项目经验
项目名称：基于红外传感器的姿态识别
项目背景：随着生活水平的提高，智能家居也已经越来越普及，利用红外阵列传感器的智能家居进行人体姿态识别，有助于在识别人体姿态
的同时，根据人体的行为家居设备进行相应的操作。
项目描述：
一、需求分析：通过光学摄像头结合红外传感器记录人体姿势行为，家居设备根据人类的姿态判断人的行为进行相应的控制，现有的技术可以实现热感图人体姿态识别。
二、数据获取：数据来源于甲方，一方面是光学摄像头记录的数据，这些数据通过openpose算法打好18个关键点的标签，另一方面就是红外传感器获得的热感图数据，前者的标签和后者的图的关键点一一对应，以此作为训练数据，并且进行图像增强、清洗不相关数据。
三、模型构建和模型训练：模型采用的是3d卷积的方式来处理，五层3d卷积和四层3d反卷积（光学摄像头和红外传感器的热感图是利用时间戳来进行一一对应），设计好之后，将数据放到模型里进行训练，观察训练过程中的热感图关键点实时检测情况，检查精度。
四、模型优化：采用更好优化器adm、激活函数使用leakey，通过调整学习率衰减公式中的local_step优化学习率经过模型训练优化，模型准确率达到96.98%。
五、模型部署：模型部署在服务器上，有服务器对数据进行预测处理，光学摄像头和红外传感器只是存储数据的媒介。
项目背景：随着生活水平的提高，智能家居也已经越来越普及，利用红外阵列传感器的智能家居进行人体姿态识别，有助于在识别人体姿态
的同时，根据人体的行为家居设备进行相应的操作。
项目描述：
一、需求分析：通过光学摄像头结合红外传感器记录人体姿势行为，家居设备根据人类的姿态判断人的行为进行相应的控制，现有的技术可以实现热感图人体姿态识别。
二、数据获取：数据来源于甲方，一方面是光学摄像头记录的数据，这些数据通过openpose算法打好18个关键点的标签，另一方面就是红外传感器获得的热感图数据，前者的标签和后者的图的关键点一一对应，以此作为训练数据，并且进行图像增强、清洗不相关数据。
三、模型构建和模型训练：模型采用的是3d卷积的方式来处理，五层3d卷积和四层3d反卷积（光学摄像头和红外传感器的热感图是利用时间戳来进行一一对应），设计好之后，将数据放到模型里进行训练，观察训练过程中的热感图关键点实时检测情况，检查精度。
四、模型优化：采用更好优化器adm、激活函数使用leakey，通过调整学习率衰减公式中的local_step优化学习率经过模型训练优化，模型准确率达到96.98%。
五、模型部署：模型部署在服务器上，有服务器对数据进行预测处理，光学摄像头和红外传感器只是存储数据的媒介。
立即沟通
