Lunar umbrella
算法工程师
中科院软件研究所 · 2年经验
日薪：
￥500/8h
地点：
厦门 全区
时间：
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
语言能力：托福100+。
编程能力：熟练掌握使用python，C++等编程语言，了解过html，css，php，js等web相关开发语言。熟练掌握数据库的使用。
专业能力：熟练掌握skLearn，pytorch，numpy，cv等框架，对于线性回归，逻辑回归，决策树，贝叶斯，SVM,PCA，聚
类，FISHER判据等机器学习算法了如指掌。并对应每一个算法都进行过手动编程实践。对于CNN,RNN等深度学习神经网络，可以做
到手动推导，设计动态或静态计算图，并且均使用pytorch框架进行过设计与开发。可以深刻理解隐马尔科夫模型，进行过一些简单
的实践，在优化方法方面，掌握，梯度下降法，拟梯度法，牛顿法，拟牛顿法，修正牛顿法，罚函数法，增广拉格朗日函数
法，ADMM算法等优化算法，数学功底扎实。
团队能力：具有丰富的团队组建与扩充经验和项目管理与协调经验。
编程能力：熟练掌握使用python，C++等编程语言，了解过html，css，php，js等web相关开发语言。熟练掌握数据库的使用。
专业能力：熟练掌握skLearn，pytorch，numpy，cv等框架，对于线性回归，逻辑回归，决策树，贝叶斯，SVM,PCA，聚
类，FISHER判据等机器学习算法了如指掌。并对应每一个算法都进行过手动编程实践。对于CNN,RNN等深度学习神经网络，可以做
到手动推导，设计动态或静态计算图，并且均使用pytorch框架进行过设计与开发。可以深刻理解隐马尔科夫模型，进行过一些简单
的实践，在优化方法方面，掌握，梯度下降法，拟梯度法，牛顿法，拟牛顿法，修正牛顿法，罚函数法，增广拉格朗日函数
法，ADMM算法等优化算法，数学功底扎实。
团队能力：具有丰富的团队组建与扩充经验和项目管理与协调经验。
项目经验
基于深度学习方法的图像修复 算法设计
• 在过去的时间里，修复图像主要靠的是人工或者一些传统的机器学习方法来修复的，这些修复方式，要么速度慢，要么效果不好。
而基于深度学习的修复算法去除这两种修复方式的缺点，
• 在本次项目里，我完成了从算法设计到开发的整个过程，前期工作是定位噪音，由电信公司提供给我们的大量图片为依据，我们设
计部署了yolov5模型为我们进行噪音的检测，效果可以达到预期的结果，随后我们又利用一些简单的滤波算法，对图像进行清
晰，最后接上一个简单的encoder-decoder模型完成了图像的修复，速度最高可达500fps。
• 应电信公司要求，本次项目不进行开源
2023-03 ~ 至今 烟草码识别 算法设计
每一条烟上面都又一个烟草码，为2条16位的数字字母组合。由于烟盒图像色彩表面分布复杂使得传统的ocr文字识别算法并不能
取得一个非常好的效果，在某浙江大学硕士毕业生的毕业论文里面，他将识别的准确率提高到了0.8左右
• 我们在前人做法的基础上，对方法进行了一些改进，采用了切割加分布识别的模式对算法的精度进行了一些提升。
• 在过去的时间里，修复图像主要靠的是人工或者一些传统的机器学习方法来修复的，这些修复方式，要么速度慢，要么效果不好。
而基于深度学习的修复算法去除这两种修复方式的缺点，
• 在本次项目里，我完成了从算法设计到开发的整个过程，前期工作是定位噪音，由电信公司提供给我们的大量图片为依据，我们设
计部署了yolov5模型为我们进行噪音的检测，效果可以达到预期的结果，随后我们又利用一些简单的滤波算法，对图像进行清
晰，最后接上一个简单的encoder-decoder模型完成了图像的修复，速度最高可达500fps。
• 应电信公司要求，本次项目不进行开源
2023-03 ~ 至今 烟草码识别 算法设计
每一条烟上面都又一个烟草码，为2条16位的数字字母组合。由于烟盒图像色彩表面分布复杂使得传统的ocr文字识别算法并不能
取得一个非常好的效果，在某浙江大学硕士毕业生的毕业论文里面，他将识别的准确率提高到了0.8左右
• 我们在前人做法的基础上，对方法进行了一些改进，采用了切割加分布识别的模式对算法的精度进行了一些提升。
Lunar umbrella
算法工程师 · 2年经验 · 中科院软件研究所
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
语言能力：托福100+。
编程能力：熟练掌握使用python，C++等编程语言，了解过html，css，php，js等web相关开发语言。熟练掌握数据库的使用。
专业能力：熟练掌握skLearn，pytorch，numpy，cv等框架，对于线性回归，逻辑回归，决策树，贝叶斯，SVM,PCA，聚
类，FISHER判据等机器学习算法了如指掌。并对应每一个算法都进行过手动编程实践。对于CNN,RNN等深度学习神经网络，可以做
到手动推导，设计动态或静态计算图，并且均使用pytorch框架进行过设计与开发。可以深刻理解隐马尔科夫模型，进行过一些简单
的实践，在优化方法方面，掌握，梯度下降法，拟梯度法，牛顿法，拟牛顿法，修正牛顿法，罚函数法，增广拉格朗日函数
法，ADMM算法等优化算法，数学功底扎实。
团队能力：具有丰富的团队组建与扩充经验和项目管理与协调经验。
编程能力：熟练掌握使用python，C++等编程语言，了解过html，css，php，js等web相关开发语言。熟练掌握数据库的使用。
专业能力：熟练掌握skLearn，pytorch，numpy，cv等框架，对于线性回归，逻辑回归，决策树，贝叶斯，SVM,PCA，聚
类，FISHER判据等机器学习算法了如指掌。并对应每一个算法都进行过手动编程实践。对于CNN,RNN等深度学习神经网络，可以做
到手动推导，设计动态或静态计算图，并且均使用pytorch框架进行过设计与开发。可以深刻理解隐马尔科夫模型，进行过一些简单
的实践，在优化方法方面，掌握，梯度下降法，拟梯度法，牛顿法，拟牛顿法，修正牛顿法，罚函数法，增广拉格朗日函数
法，ADMM算法等优化算法，数学功底扎实。
团队能力：具有丰富的团队组建与扩充经验和项目管理与协调经验。
项目经验
基于深度学习方法的图像修复 算法设计
• 在过去的时间里，修复图像主要靠的是人工或者一些传统的机器学习方法来修复的，这些修复方式，要么速度慢，要么效果不好。
而基于深度学习的修复算法去除这两种修复方式的缺点，
• 在本次项目里，我完成了从算法设计到开发的整个过程，前期工作是定位噪音，由电信公司提供给我们的大量图片为依据，我们设
计部署了yolov5模型为我们进行噪音的检测，效果可以达到预期的结果，随后我们又利用一些简单的滤波算法，对图像进行清
晰，最后接上一个简单的encoder-decoder模型完成了图像的修复，速度最高可达500fps。
• 应电信公司要求，本次项目不进行开源
2023-03 ~ 至今 烟草码识别 算法设计
每一条烟上面都又一个烟草码，为2条16位的数字字母组合。由于烟盒图像色彩表面分布复杂使得传统的ocr文字识别算法并不能
取得一个非常好的效果，在某浙江大学硕士毕业生的毕业论文里面，他将识别的准确率提高到了0.8左右
• 我们在前人做法的基础上，对方法进行了一些改进，采用了切割加分布识别的模式对算法的精度进行了一些提升。
• 在过去的时间里，修复图像主要靠的是人工或者一些传统的机器学习方法来修复的，这些修复方式，要么速度慢，要么效果不好。
而基于深度学习的修复算法去除这两种修复方式的缺点，
• 在本次项目里，我完成了从算法设计到开发的整个过程，前期工作是定位噪音，由电信公司提供给我们的大量图片为依据，我们设
计部署了yolov5模型为我们进行噪音的检测，效果可以达到预期的结果，随后我们又利用一些简单的滤波算法，对图像进行清
晰，最后接上一个简单的encoder-decoder模型完成了图像的修复，速度最高可达500fps。
• 应电信公司要求，本次项目不进行开源
2023-03 ~ 至今 烟草码识别 算法设计
每一条烟上面都又一个烟草码，为2条16位的数字字母组合。由于烟盒图像色彩表面分布复杂使得传统的ocr文字识别算法并不能
取得一个非常好的效果，在某浙江大学硕士毕业生的毕业论文里面，他将识别的准确率提高到了0.8左右
• 我们在前人做法的基础上，对方法进行了一些改进，采用了切割加分布识别的模式对算法的精度进行了一些提升。
立即沟通
