散霞成绮
本科生
东北大学秦皇岛分校 · 1年经验
日薪：
￥500/8h
地点：
其他 全区
时间：
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
具备扎实的计算机基础与丰富的人工智能项目经验。在深度学习领域，系统学习了李沐的《动手学深度学习》和《深度学习》（花书）等经典教材，对神经网络、卷积神经网络、循环神经网络、Transformer等主流模型结构及其原理有深入理解，并掌握了相关数学基础，如线性代数、概率论与统计、最优化方法等。熟练掌握Python编程，能够熟练运用PyTorch、TensorFlow等主流深度学习框架进行模型构建、训练、调优与部署。具备良好的数据分析能力，能够独立完成数据预处理、特征工程、模型评估及结果可视化。除此之外，善于使用AI辅助工具，提升开发和科研效率，能够利用ChatGPT等大模型工具进行代码生成、自动化测试以及知识检索。具备良好的团队协作和项目管理能力，能够高效与团队成员沟通协作，推动项目顺利进行。注重持续学习与自我提升，乐于接受新技术、新挑战。
项目经验
新疆农田高分遥感图像语义分割
在该项目中，负责遥感影像的数据收集、标注、预处理，并基于U-Net、DeepLabV3+等深度学习模型对新疆地区农田进行精细化语义分割。通过分析农田边界特征，自主实现了数据增强、模型参数调优、多尺度融合等技术手段，有效提高了模型在复杂地形下的分割精度。项目过程中，独立完成了数据清洗、模型训练与测试、结果分析及可视化等关键环节，最终模型在验证集上取得了显著的性能指标，助力于农业用地管理与资源优化决策。该项目锻炼了我在大规模数据处理、模型优化与工程化部署等方面的能力。
复杂海上漂浮物智能检测系统
在本项目中，参与搭建深度学习目标检测系统，针对复杂海洋环境下多类型漂浮物的自动检测与识别。采用YOLOv5、Faster R-CNN等先进目标检测算法，结合实际海洋影像数据进行模型训练与评估。通过自定义损失函数和创新的数据增强策略，显著提升了模型在复杂背景下的识别准确率。负责模型部署与系统集成，实现了端到端的自动检测流程。该系统可为海洋环境保护提供智能化技术支撑，项目过程中积累了丰富的跨领域知识和工程实践经验。
在该项目中，负责遥感影像的数据收集、标注、预处理，并基于U-Net、DeepLabV3+等深度学习模型对新疆地区农田进行精细化语义分割。通过分析农田边界特征，自主实现了数据增强、模型参数调优、多尺度融合等技术手段，有效提高了模型在复杂地形下的分割精度。项目过程中，独立完成了数据清洗、模型训练与测试、结果分析及可视化等关键环节，最终模型在验证集上取得了显著的性能指标，助力于农业用地管理与资源优化决策。该项目锻炼了我在大规模数据处理、模型优化与工程化部署等方面的能力。
复杂海上漂浮物智能检测系统
在本项目中，参与搭建深度学习目标检测系统，针对复杂海洋环境下多类型漂浮物的自动检测与识别。采用YOLOv5、Faster R-CNN等先进目标检测算法，结合实际海洋影像数据进行模型训练与评估。通过自定义损失函数和创新的数据增强策略，显著提升了模型在复杂背景下的识别准确率。负责模型部署与系统集成，实现了端到端的自动检测流程。该系统可为海洋环境保护提供智能化技术支撑，项目过程中积累了丰富的跨领域知识和工程实践经验。
散霞成绮
本科生 · 1年经验 · 东北大学秦皇岛分校
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
具备扎实的计算机基础与丰富的人工智能项目经验。在深度学习领域，系统学习了李沐的《动手学深度学习》和《深度学习》（花书）等经典教材，对神经网络、卷积神经网络、循环神经网络、Transformer等主流模型结构及其原理有深入理解，并掌握了相关数学基础，如线性代数、概率论与统计、最优化方法等。熟练掌握Python编程，能够熟练运用PyTorch、TensorFlow等主流深度学习框架进行模型构建、训练、调优与部署。具备良好的数据分析能力，能够独立完成数据预处理、特征工程、模型评估及结果可视化。除此之外，善于使用AI辅助工具，提升开发和科研效率，能够利用ChatGPT等大模型工具进行代码生成、自动化测试以及知识检索。具备良好的团队协作和项目管理能力，能够高效与团队成员沟通协作，推动项目顺利进行。注重持续学习与自我提升，乐于接受新技术、新挑战。
项目经验
新疆农田高分遥感图像语义分割
在该项目中，负责遥感影像的数据收集、标注、预处理，并基于U-Net、DeepLabV3+等深度学习模型对新疆地区农田进行精细化语义分割。通过分析农田边界特征，自主实现了数据增强、模型参数调优、多尺度融合等技术手段，有效提高了模型在复杂地形下的分割精度。项目过程中，独立完成了数据清洗、模型训练与测试、结果分析及可视化等关键环节，最终模型在验证集上取得了显著的性能指标，助力于农业用地管理与资源优化决策。该项目锻炼了我在大规模数据处理、模型优化与工程化部署等方面的能力。
复杂海上漂浮物智能检测系统
在本项目中，参与搭建深度学习目标检测系统，针对复杂海洋环境下多类型漂浮物的自动检测与识别。采用YOLOv5、Faster R-CNN等先进目标检测算法，结合实际海洋影像数据进行模型训练与评估。通过自定义损失函数和创新的数据增强策略，显著提升了模型在复杂背景下的识别准确率。负责模型部署与系统集成，实现了端到端的自动检测流程。该系统可为海洋环境保护提供智能化技术支撑，项目过程中积累了丰富的跨领域知识和工程实践经验。
在该项目中，负责遥感影像的数据收集、标注、预处理，并基于U-Net、DeepLabV3+等深度学习模型对新疆地区农田进行精细化语义分割。通过分析农田边界特征，自主实现了数据增强、模型参数调优、多尺度融合等技术手段，有效提高了模型在复杂地形下的分割精度。项目过程中，独立完成了数据清洗、模型训练与测试、结果分析及可视化等关键环节，最终模型在验证集上取得了显著的性能指标，助力于农业用地管理与资源优化决策。该项目锻炼了我在大规模数据处理、模型优化与工程化部署等方面的能力。
复杂海上漂浮物智能检测系统
在本项目中，参与搭建深度学习目标检测系统，针对复杂海洋环境下多类型漂浮物的自动检测与识别。采用YOLOv5、Faster R-CNN等先进目标检测算法，结合实际海洋影像数据进行模型训练与评估。通过自定义损失函数和创新的数据增强策略，显著提升了模型在复杂背景下的识别准确率。负责模型部署与系统集成，实现了端到端的自动检测流程。该系统可为海洋环境保护提供智能化技术支撑，项目过程中积累了丰富的跨领域知识和工程实践经验。
立即沟通
