人工智能基础与算法
精通机器学习和深度学习的基础理论，熟悉随机森林、K-means聚类算法、支持向量机（SVM）、朴素贝
叶斯等经典算法。
掌握卷积神经网络（CNN）、循环神经网络（RNN）等深度学习模型的优化。
计算机视觉技术
深入研究YOLOv5、YOLOv8等目标检测模型，结合DeepSort算法优化多目标跟踪任务。
掌握MediaPipe框架，能够开发实时手势识别、目标检测等应用。
开发了车道线检测、车辆可行驶区域检测、人脸及口罩识别等多种计算机视觉项目。
编程与工具
熟练掌握C、C++、Python、Java等多种编程语言，具备扎实的代码能力。
熟悉PyTorch、TensorFlow等深度学习框架，能够独立完成模型训练、优化与部署。
数据分析与系统开发
熟悉数据处理与分析流程，能够使用Python高效完成数据清洗、特征提取及建模任务。
开发了基于朴素贝叶斯分类器的疫情预测可视化平台，集成数据采集、分析与展示功能。
具备完整的系统开发能力，从需求分析到实现、调试与优化的全流程。
uniapp+php微信小程序全栈开发

1. 基于YOLOv5的多种检测任务
在目标检测领域，我重点研究了YOLOv5模型的架构与应用，通过将其与DeepSort算法结合，完成了多个检测
与跟踪任务的开发与优化。
车辆可行驶区域检测与车道线检测：开发了基于YOLOv5改进模型的车辆检测系统，能够准确识别车道线并标
注可行驶区域，提升了模型在复杂场景下的鲁棒性。
人脸及口罩检测：结合YOLOv5模型与改进的损失函数，对人脸与佩戴口罩的检测任务进行优化，解决了小目
标检测的难题，准确率达到了主流模型的前沿水平。
猪脸识别系统：开发了基于YOLOv5的猪脸检测模型，结合畜牧业实际需求，提高了动物身份识别的效率，为
智能化养殖提供了技术支持
2. 基于MediaPipe的手势识别系统
3. 基于朴素贝叶斯的新冠疫情预测与可视化平台
4.微信小程序线上打印文件上传下单校园平台