潇辰哥哥
计算机视觉工程师
安徽椒图 · 2年经验
日薪：
￥500/8h
地点：
济南 全区
时间：
可工作日远程可工作日驻场（自由职业原因）
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
编程语言：精通Python编程
计算机视觉：深入理解计算机视觉的基础理论和应用实践，包括但不限于图像处理、特征提取、目标检测与识别、图像分割等。
机器学习：掌握多种机器学习算法，包括监督学习、无监督学习以及强化学习等，能够使用Python实现这些算法。
深度学习框架：熟练使用TensorFlow、PyTorch等深度学习框架，进行模型设计、训练和优化。
图像处理库：熟悉OpenCV、PIL等图像处理库，能够高效处理图像数据
计算机视觉：深入理解计算机视觉的基础理论和应用实践，包括但不限于图像处理、特征提取、目标检测与识别、图像分割等。
机器学习：掌握多种机器学习算法，包括监督学习、无监督学习以及强化学习等，能够使用Python实现这些算法。
深度学习框架：熟练使用TensorFlow、PyTorch等深度学习框架，进行模型设计、训练和优化。
图像处理库：熟悉OpenCV、PIL等图像处理库，能够高效处理图像数据
项目经验
1. **基于无人机的茶芽检测系统**
- **描述**：
- 负责设计并实现一个基于无人机的茶园监测系统，利用计算机视觉技术自动检测茶芽的生长情况。
- 利用无人机搭载的高分辨率相机收集茶园图像数据。
- 开发了图像处理算法，包括图像预处理、特征提取和分类算法，以识别和计数茶芽。
- 通过机器学习模型优化检测精度，实现了茶园生长状态的实时监控和评估。
- **技术栈**：Python,Pytorch,无人机编程接口
2. **基于SR-DETR的茶叶病害检测**
- **描述**：
- 参与一个研究项目，专注于使用SR-DETR（Set-based Regression DETR）模型检测茶叶病害。
- 负责数据收集和标注，构建了一个大规模的茶叶病害图像数据集。
- 实现了SR-DETR模型的训练和微调，针对茶叶病害检测任务优化了模型结构和参数。
- 通过实验验证了模型的有效性，显著提高了病害检测的准确性和鲁棒性。
- **技术栈**：Python, PyTorch, SR-DETR, 数据标注工具，Flask，Vue3
3. **ChatGLM6B模型的部署及微调**
- **角色**：机器学习工程师
- **描述**：
- 负责将ChatGLM6B模型部署到生产环境中，以提供实时的自然语言处理服务。
- 对模型进行了细致的微调，以适应特定的业务需求和提高性能。
- 设计了模型的部署架构，确保了高可用性和可扩展性。
- 实现了模型的持续集成和持续部署（CI/CD）流程，简化了模型更新和维护工作。
- **技术栈**：Python, Docker
- **描述**：
- 负责设计并实现一个基于无人机的茶园监测系统，利用计算机视觉技术自动检测茶芽的生长情况。
- 利用无人机搭载的高分辨率相机收集茶园图像数据。
- 开发了图像处理算法，包括图像预处理、特征提取和分类算法，以识别和计数茶芽。
- 通过机器学习模型优化检测精度，实现了茶园生长状态的实时监控和评估。
- **技术栈**：Python,Pytorch,无人机编程接口
2. **基于SR-DETR的茶叶病害检测**
- **描述**：
- 参与一个研究项目，专注于使用SR-DETR（Set-based Regression DETR）模型检测茶叶病害。
- 负责数据收集和标注，构建了一个大规模的茶叶病害图像数据集。
- 实现了SR-DETR模型的训练和微调，针对茶叶病害检测任务优化了模型结构和参数。
- 通过实验验证了模型的有效性，显著提高了病害检测的准确性和鲁棒性。
- **技术栈**：Python, PyTorch, SR-DETR, 数据标注工具，Flask，Vue3
3. **ChatGLM6B模型的部署及微调**
- **角色**：机器学习工程师
- **描述**：
- 负责将ChatGLM6B模型部署到生产环境中，以提供实时的自然语言处理服务。
- 对模型进行了细致的微调，以适应特定的业务需求和提高性能。
- 设计了模型的部署架构，确保了高可用性和可扩展性。
- 实现了模型的持续集成和持续部署（CI/CD）流程，简化了模型更新和维护工作。
- **技术栈**：Python, Docker
潇辰哥哥
计算机视觉工程师 · 2年经验 · 安徽椒图
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
编程语言：精通Python编程
计算机视觉：深入理解计算机视觉的基础理论和应用实践，包括但不限于图像处理、特征提取、目标检测与识别、图像分割等。
机器学习：掌握多种机器学习算法，包括监督学习、无监督学习以及强化学习等，能够使用Python实现这些算法。
深度学习框架：熟练使用TensorFlow、PyTorch等深度学习框架，进行模型设计、训练和优化。
图像处理库：熟悉OpenCV、PIL等图像处理库，能够高效处理图像数据
计算机视觉：深入理解计算机视觉的基础理论和应用实践，包括但不限于图像处理、特征提取、目标检测与识别、图像分割等。
机器学习：掌握多种机器学习算法，包括监督学习、无监督学习以及强化学习等，能够使用Python实现这些算法。
深度学习框架：熟练使用TensorFlow、PyTorch等深度学习框架，进行模型设计、训练和优化。
图像处理库：熟悉OpenCV、PIL等图像处理库，能够高效处理图像数据
项目经验
1. **基于无人机的茶芽检测系统**
- **描述**：
- 负责设计并实现一个基于无人机的茶园监测系统，利用计算机视觉技术自动检测茶芽的生长情况。
- 利用无人机搭载的高分辨率相机收集茶园图像数据。
- 开发了图像处理算法，包括图像预处理、特征提取和分类算法，以识别和计数茶芽。
- 通过机器学习模型优化检测精度，实现了茶园生长状态的实时监控和评估。
- **技术栈**：Python,Pytorch,无人机编程接口
2. **基于SR-DETR的茶叶病害检测**
- **描述**：
- 参与一个研究项目，专注于使用SR-DETR（Set-based Regression DETR）模型检测茶叶病害。
- 负责数据收集和标注，构建了一个大规模的茶叶病害图像数据集。
- 实现了SR-DETR模型的训练和微调，针对茶叶病害检测任务优化了模型结构和参数。
- 通过实验验证了模型的有效性，显著提高了病害检测的准确性和鲁棒性。
- **技术栈**：Python, PyTorch, SR-DETR, 数据标注工具，Flask，Vue3
3. **ChatGLM6B模型的部署及微调**
- **角色**：机器学习工程师
- **描述**：
- 负责将ChatGLM6B模型部署到生产环境中，以提供实时的自然语言处理服务。
- 对模型进行了细致的微调，以适应特定的业务需求和提高性能。
- 设计了模型的部署架构，确保了高可用性和可扩展性。
- 实现了模型的持续集成和持续部署（CI/CD）流程，简化了模型更新和维护工作。
- **技术栈**：Python, Docker
- **描述**：
- 负责设计并实现一个基于无人机的茶园监测系统，利用计算机视觉技术自动检测茶芽的生长情况。
- 利用无人机搭载的高分辨率相机收集茶园图像数据。
- 开发了图像处理算法，包括图像预处理、特征提取和分类算法，以识别和计数茶芽。
- 通过机器学习模型优化检测精度，实现了茶园生长状态的实时监控和评估。
- **技术栈**：Python,Pytorch,无人机编程接口
2. **基于SR-DETR的茶叶病害检测**
- **描述**：
- 参与一个研究项目，专注于使用SR-DETR（Set-based Regression DETR）模型检测茶叶病害。
- 负责数据收集和标注，构建了一个大规模的茶叶病害图像数据集。
- 实现了SR-DETR模型的训练和微调，针对茶叶病害检测任务优化了模型结构和参数。
- 通过实验验证了模型的有效性，显著提高了病害检测的准确性和鲁棒性。
- **技术栈**：Python, PyTorch, SR-DETR, 数据标注工具，Flask，Vue3
3. **ChatGLM6B模型的部署及微调**
- **角色**：机器学习工程师
- **描述**：
- 负责将ChatGLM6B模型部署到生产环境中，以提供实时的自然语言处理服务。
- 对模型进行了细致的微调，以适应特定的业务需求和提高性能。
- 设计了模型的部署架构，确保了高可用性和可扩展性。
- 实现了模型的持续集成和持续部署（CI/CD）流程，简化了模型更新和维护工作。
- **技术栈**：Python, Docker
案例展示
茶芽检测
负责设计并实现一个基于无人机的茶园监测系统，利用计算机视觉技术自动检测茶芽的生长情况。 利用无人机搭载的高分辨率相机收集茶园图像数据。 开发了图像处理算法，包括图像预处理、特征提取和分类算法，以识别和计数茶芽。 通过机器学习模型优化检测精度，实现了茶园生长状态的实时监控和评
茶叶病害检测
参与一个研究项目，专注于使用Transformer模型检测茶叶病害。 负责数据收集和标注，构建了一个大规模的茶叶病害图像数据集。 实现了Transformer模型的训练和针对茶叶病害检测任务的代码修改，优化了模型结构和参数。 通过实验验证了模型的有效性，显著提高了病害检测的
茶叶病害检测
参与一个研究项目，专注于使用Transformer模型检测茶叶病害。 负责数据收集和标注，构建了一个大规模的茶叶病害图像数据集。 实现了Transformer模型的训练和针对茶叶病害检测任务的代码修改，优化了模型结构和参数。 通过实验验证了模型的有效性，显著提高了病害检测的
立即沟通
