程星星(Alex)
算法工程师
华为技术有限公司 · 5年经验
日薪：
￥2000/8h
地点：
深圳 罗湖
时间：
下班后周六周日可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
在担任技术顾问的角色中，我掌握了多种编程语言和技术能力，能够为客户提供全面的解决方案。我精通Python和C#，具备丰富的编程经验，能够高效地进行软件开发和问题解决。此外，我在计算机视觉领域有深入的研究，能够应用深度学习技术进行图像处理和分析。
在预测分析方面，我熟悉多种算法，并能根据具体需求选择合适的模型进行数据预测和趋势分析。我对于大模型的训练和优化有实战经验，能够应对复杂的数据集和高要求的性能指标。同时，我对多模态算法有一定的了解，能够整合多种数据源，提高模型的准确性和鲁棒性。
我致力于将先进的算法应用于实际业务场景，为客户提供创新和高效的技术解决方案。我的技术能力不仅限于理论研究，更注重实践中的应用和效果，帮助客户实现业务价值的最大化。
在预测分析方面，我熟悉多种算法，并能根据具体需求选择合适的模型进行数据预测和趋势分析。我对于大模型的训练和优化有实战经验，能够应对复杂的数据集和高要求的性能指标。同时，我对多模态算法有一定的了解，能够整合多种数据源，提高模型的准确性和鲁棒性。
我致力于将先进的算法应用于实际业务场景，为客户提供创新和高效的技术解决方案。我的技术能力不仅限于理论研究，更注重实践中的应用和效果，帮助客户实现业务价值的最大化。
项目经验
1. 户型图识别项目
• 提出了一个基于深度学习的框架，主要由 YOLOv5、深度残差网络（DRN ）和 OCR 提取算法组成，以解决光栅到矢量（R2V）问题；
• 通过 YOLOv 5培训10000张2D平面图图像，通过 DRN 提取结构，通过 OCR 提取比例，通过panda3D进行3D重建；
• 在生成矢量化平面图时，实现了0.93和0.97的灵敏度和特异性，在生成三维平面图时实现了0.94和0.96的灵敏度和特异度，这在二维平面图识别和进一步等距三维重建方面优于其他方法。
2.街道垃圾识别项目；
• 提出了一种改进的 YOLOv 5公共垃圾识别模型，将垃圾分为四类；
• YOLOv 5训练了13000张包含垃圾的公共图像，并调整了阈值以实现最佳识别；
• 在垃圾识别中实现了95%以上的识别准确率和较低的误报率；
3. 移动机器人路径规划项目
• 提出了基于深度强化学习的移动机器人路径规划模型；
• 利用 YOLOv 5进行垃圾识别，利用 MDDPG 进行移动机器人的路径规划；
• 将路径规划时间减少40%，实现90%以上联邦学习图像分类项目；
• 提出了一种结合 FL 方法和 ViT 模型对图片进行分类的方法；
• 改进 ViT 以减少训练时间和数据集，并结合 FL 以提高识别准确性；
• 实现了92%以上的识别精度；
4. 开发了机场vtt算法来预测剩余滑行时间，以准确估计飞机的剩余滑行时间减少不必要的候机时间，并将飞机剩余滑行时间预测的平均绝对值误差减少到2分钟内
5. 深圳巴士项目
• 提出了基于优化模型的能耗预测，以降低深圳巴士集团的电力成本
• 提高公交调度规划的效率，帮助深圳巴士集团每年节省约1000万电力成本
6. 3D打印件缺陷检测项目
• 提出了一种改进的YOLOv3方法来检测3D打印零件的内部缺陷，以快速识别有缺陷的3D打印零件
• 缺陷零件的识别精度超过96%
7. 三维锂电池数据分析项目
• 对锂离子电池正极浆料比率进行数据分析，以提高传统锂电池的倍率性能
• 确定了最佳浆料比例和3D打印工艺参数
• 提出了一个基于深度学习的框架，主要由 YOLOv5、深度残差网络（DRN ）和 OCR 提取算法组成，以解决光栅到矢量（R2V）问题；
• 通过 YOLOv 5培训10000张2D平面图图像，通过 DRN 提取结构，通过 OCR 提取比例，通过panda3D进行3D重建；
• 在生成矢量化平面图时，实现了0.93和0.97的灵敏度和特异性，在生成三维平面图时实现了0.94和0.96的灵敏度和特异度，这在二维平面图识别和进一步等距三维重建方面优于其他方法。
2.街道垃圾识别项目；
• 提出了一种改进的 YOLOv 5公共垃圾识别模型，将垃圾分为四类；
• YOLOv 5训练了13000张包含垃圾的公共图像，并调整了阈值以实现最佳识别；
• 在垃圾识别中实现了95%以上的识别准确率和较低的误报率；
3. 移动机器人路径规划项目
• 提出了基于深度强化学习的移动机器人路径规划模型；
• 利用 YOLOv 5进行垃圾识别，利用 MDDPG 进行移动机器人的路径规划；
• 将路径规划时间减少40%，实现90%以上联邦学习图像分类项目；
• 提出了一种结合 FL 方法和 ViT 模型对图片进行分类的方法；
• 改进 ViT 以减少训练时间和数据集，并结合 FL 以提高识别准确性；
• 实现了92%以上的识别精度；
4. 开发了机场vtt算法来预测剩余滑行时间，以准确估计飞机的剩余滑行时间减少不必要的候机时间，并将飞机剩余滑行时间预测的平均绝对值误差减少到2分钟内
5. 深圳巴士项目
• 提出了基于优化模型的能耗预测，以降低深圳巴士集团的电力成本
• 提高公交调度规划的效率，帮助深圳巴士集团每年节省约1000万电力成本
6. 3D打印件缺陷检测项目
• 提出了一种改进的YOLOv3方法来检测3D打印零件的内部缺陷，以快速识别有缺陷的3D打印零件
• 缺陷零件的识别精度超过96%
7. 三维锂电池数据分析项目
• 对锂离子电池正极浆料比率进行数据分析，以提高传统锂电池的倍率性能
• 确定了最佳浆料比例和3D打印工艺参数
团队情况
整包服务：
H5网站开发App开发UI设计智能硬件开发运维类开发其他开发
负责人：
算法工程师
团队成员：
产品经理 UI设计师 前端工程师 后端工程师
程星星(Alex)
有团队 · 可整包
算法工程师 · 5年经验 · 华为技术有限公司
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
在担任技术顾问的角色中，我掌握了多种编程语言和技术能力，能够为客户提供全面的解决方案。我精通Python和C#，具备丰富的编程经验，能够高效地进行软件开发和问题解决。此外，我在计算机视觉领域有深入的研究，能够应用深度学习技术进行图像处理和分析。
在预测分析方面，我熟悉多种算法，并能根据具体需求选择合适的模型进行数据预测和趋势分析。我对于大模型的训练和优化有实战经验，能够应对复杂的数据集和高要求的性能指标。同时，我对多模态算法有一定的了解，能够整合多种数据源，提高模型的准确性和鲁棒性。
我致力于将先进的算法应用于实际业务场景，为客户提供创新和高效的技术解决方案。我的技术能力不仅限于理论研究，更注重实践中的应用和效果，帮助客户实现业务价值的最大化。
在预测分析方面，我熟悉多种算法，并能根据具体需求选择合适的模型进行数据预测和趋势分析。我对于大模型的训练和优化有实战经验，能够应对复杂的数据集和高要求的性能指标。同时，我对多模态算法有一定的了解，能够整合多种数据源，提高模型的准确性和鲁棒性。
我致力于将先进的算法应用于实际业务场景，为客户提供创新和高效的技术解决方案。我的技术能力不仅限于理论研究，更注重实践中的应用和效果，帮助客户实现业务价值的最大化。
项目经验
1. 户型图识别项目
• 提出了一个基于深度学习的框架，主要由 YOLOv5、深度残差网络（DRN ）和 OCR 提取算法组成，以解决光栅到矢量（R2V）问题；
• 通过 YOLOv 5培训10000张2D平面图图像，通过 DRN 提取结构，通过 OCR 提取比例，通过panda3D进行3D重建；
• 在生成矢量化平面图时，实现了0.93和0.97的灵敏度和特异性，在生成三维平面图时实现了0.94和0.96的灵敏度和特异度，这在二维平面图识别和进一步等距三维重建方面优于其他方法。
2.街道垃圾识别项目；
• 提出了一种改进的 YOLOv 5公共垃圾识别模型，将垃圾分为四类；
• YOLOv 5训练了13000张包含垃圾的公共图像，并调整了阈值以实现最佳识别；
• 在垃圾识别中实现了95%以上的识别准确率和较低的误报率；
3. 移动机器人路径规划项目
• 提出了基于深度强化学习的移动机器人路径规划模型；
• 利用 YOLOv 5进行垃圾识别，利用 MDDPG 进行移动机器人的路径规划；
• 将路径规划时间减少40%，实现90%以上联邦学习图像分类项目；
• 提出了一种结合 FL 方法和 ViT 模型对图片进行分类的方法；
• 改进 ViT 以减少训练时间和数据集，并结合 FL 以提高识别准确性；
• 实现了92%以上的识别精度；
4. 开发了机场vtt算法来预测剩余滑行时间，以准确估计飞机的剩余滑行时间减少不必要的候机时间，并将飞机剩余滑行时间预测的平均绝对值误差减少到2分钟内
5. 深圳巴士项目
• 提出了基于优化模型的能耗预测，以降低深圳巴士集团的电力成本
• 提高公交调度规划的效率，帮助深圳巴士集团每年节省约1000万电力成本
6. 3D打印件缺陷检测项目
• 提出了一种改进的YOLOv3方法来检测3D打印零件的内部缺陷，以快速识别有缺陷的3D打印零件
• 缺陷零件的识别精度超过96%
7. 三维锂电池数据分析项目
• 对锂离子电池正极浆料比率进行数据分析，以提高传统锂电池的倍率性能
• 确定了最佳浆料比例和3D打印工艺参数
• 提出了一个基于深度学习的框架，主要由 YOLOv5、深度残差网络（DRN ）和 OCR 提取算法组成，以解决光栅到矢量（R2V）问题；
• 通过 YOLOv 5培训10000张2D平面图图像，通过 DRN 提取结构，通过 OCR 提取比例，通过panda3D进行3D重建；
• 在生成矢量化平面图时，实现了0.93和0.97的灵敏度和特异性，在生成三维平面图时实现了0.94和0.96的灵敏度和特异度，这在二维平面图识别和进一步等距三维重建方面优于其他方法。
2.街道垃圾识别项目；
• 提出了一种改进的 YOLOv 5公共垃圾识别模型，将垃圾分为四类；
• YOLOv 5训练了13000张包含垃圾的公共图像，并调整了阈值以实现最佳识别；
• 在垃圾识别中实现了95%以上的识别准确率和较低的误报率；
3. 移动机器人路径规划项目
• 提出了基于深度强化学习的移动机器人路径规划模型；
• 利用 YOLOv 5进行垃圾识别，利用 MDDPG 进行移动机器人的路径规划；
• 将路径规划时间减少40%，实现90%以上联邦学习图像分类项目；
• 提出了一种结合 FL 方法和 ViT 模型对图片进行分类的方法；
• 改进 ViT 以减少训练时间和数据集，并结合 FL 以提高识别准确性；
• 实现了92%以上的识别精度；
4. 开发了机场vtt算法来预测剩余滑行时间，以准确估计飞机的剩余滑行时间减少不必要的候机时间，并将飞机剩余滑行时间预测的平均绝对值误差减少到2分钟内
5. 深圳巴士项目
• 提出了基于优化模型的能耗预测，以降低深圳巴士集团的电力成本
• 提高公交调度规划的效率，帮助深圳巴士集团每年节省约1000万电力成本
6. 3D打印件缺陷检测项目
• 提出了一种改进的YOLOv3方法来检测3D打印零件的内部缺陷，以快速识别有缺陷的3D打印零件
• 缺陷零件的识别精度超过96%
7. 三维锂电池数据分析项目
• 对锂离子电池正极浆料比率进行数据分析，以提高传统锂电池的倍率性能
• 确定了最佳浆料比例和3D打印工艺参数
团队情况
服务范围：
团队构成：
负责人(算法工程师)
|
核心队员：产品经理 ·
UI设计师 ·
前端工程师 ·
后端工程师
案例展示
户型图识别
我们提出的日本住宅平面图模型的识别与三维重建（RJFM）由五个部分组成： 识别和定位 光学字符识别 结构数据提取 元素矢量化 实际尺寸转换
公交剩余电量预测
为了提高能源消耗预测的准确性，本文提出了一种新的电动汽车充电和放电效率预测框架，考虑了能源消耗的变化性，以最大化其利润。 为了有效降低高不确定性的能源消耗预测，首次提出了由小波变换（WT）、深度确定性策略梯度（DDPG）和分位数回归（QR）组成的能量不确定性预测器。
公交剩余电量预测
为了提高能源消耗预测的准确性，本文提出了一种新的电动汽车充电和放电效率预测框架，考虑了能源消耗的变化性，以最大化其利润。 为了有效降低高不确定性的能源消耗预测，首次提出了由小波变换（WT）、深度确定性策略梯度（DDPG）和分位数回归（QR）组成的能量不确定性预测器。
立即沟通
