Wiz
视觉算法工程师
某机器人实验室 · 2年经验
日薪：
￥500/8h
地点：
广州 花都
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
2
收藏数
技术能力
熟练掌握Python和C++，能够进行数据分析、机器学习与深度学习任务，且具备嵌入式开发和性能优化的能力。在计算机视觉方面，我有扎实的OpenCV基础，曾参与超声乳腺图像的特征提取项目。熟悉PyTorch深度学习框架，能应用卷积神经网络（CNN）和YOLO模型进行图像处理与目标检测，同时也对机器学习中的回归与分类算法有一定了解。此外，我有一定的ROS使用经验，能够设计机器人控制系统，处理传感器数据。也具备HTML与CSS前端开发技能。在机器人实验室工作期间，我参与了YOLO模型的改进，并开发了基于BiLSTM和多模态特征的智能健康监测算法，能够处理时间序列数据并设计智能监测系统。
技术栈包括：Python、C++、OpenCV、TensorFlow、PyTorch、YOLO、BiLSTM、ROS、HTML、CSS、Django、机器学习、深度学习（CNN、目标检测）、嵌入式开发、数据分析。
技术栈包括：Python、C++、OpenCV、TensorFlow、PyTorch、YOLO、BiLSTM、ROS、HTML、CSS、Django、机器学习、深度学习（CNN、目标检测）、嵌入式开发、数据分析。
项目经验
RoboMaster机甲大师赛 | 雷达系统算法开发工程师
基于YOLOv5架构创新性设计双层神经网络，通过添加降采样层与特征融合模块，将小目标（机器人装甲板）检测精度提升32%（AP@0.5从0.68→0.90），有效解决赛场复杂光照条件下的识别难题
开发实时坐标定位系统：运用OpenCV构建仿射变换矩阵，实现机器人位姿的鸟瞰图映射（误差<±2cm），完成赛场坐标系与地图视角的动态转换，支撑战术决策系统实时更新
主导系统性能优化：通过多线程相机驱动开发与TensorRT模型量化，将推理速度提升至350FPS（原60FPS），满足毫秒级实时响应要求。
超声乳腺肿瘤检测 | 计算机视觉算法工程师
提出基于UNet++的改进方案：在数据预处理阶段引入CutMix增强与自适应直方图均衡化，使乳腺肿瘤分割Dice系数提升至0.89，有效缓解医学影像样本不足问题
主导YOLOv11模型改进：集成Swin Transformer模块构建混合注意力机制，在保持推理速度的前提下，将恶性肿块检测召回率提升21%（F1-score 0.83→0.92）
项目经历 - CodeManage 代码仓库管理系统
全栈开发者 | 独立项目
基于Django框架设计并开发专业级代码仓库管理系统，实现多仓库管理、版本控制、用户权限及文件操作等核心功能，采用MVT架构设计三层数据模型（Repository/CodeFile/FileVersion），通过Django ORM优化数据库操作，支持SQLite开发与PostgreSQL生产部署。
攻克文件版本管理、路径冲突校验等难点，设计结构化存储方案确保数据一致性；前端使用Bootstrap 5.3与GSAP动画库实现响应式交互界面，引入深色主题与3D交互效果，提升用户体验。系统上线后为团队提供轻量级代码协作平台，显著提升管理效率。
技术栈： Django, Python, Bootstrap 5, PostgreSQL, JavaScript (GSAP/AOS.js)
基于YOLOv5架构创新性设计双层神经网络，通过添加降采样层与特征融合模块，将小目标（机器人装甲板）检测精度提升32%（AP@0.5从0.68→0.90），有效解决赛场复杂光照条件下的识别难题
开发实时坐标定位系统：运用OpenCV构建仿射变换矩阵，实现机器人位姿的鸟瞰图映射（误差<±2cm），完成赛场坐标系与地图视角的动态转换，支撑战术决策系统实时更新
主导系统性能优化：通过多线程相机驱动开发与TensorRT模型量化，将推理速度提升至350FPS（原60FPS），满足毫秒级实时响应要求。
超声乳腺肿瘤检测 | 计算机视觉算法工程师
提出基于UNet++的改进方案：在数据预处理阶段引入CutMix增强与自适应直方图均衡化，使乳腺肿瘤分割Dice系数提升至0.89，有效缓解医学影像样本不足问题
主导YOLOv11模型改进：集成Swin Transformer模块构建混合注意力机制，在保持推理速度的前提下，将恶性肿块检测召回率提升21%（F1-score 0.83→0.92）
项目经历 - CodeManage 代码仓库管理系统
全栈开发者 | 独立项目
基于Django框架设计并开发专业级代码仓库管理系统，实现多仓库管理、版本控制、用户权限及文件操作等核心功能，采用MVT架构设计三层数据模型（Repository/CodeFile/FileVersion），通过Django ORM优化数据库操作，支持SQLite开发与PostgreSQL生产部署。
攻克文件版本管理、路径冲突校验等难点，设计结构化存储方案确保数据一致性；前端使用Bootstrap 5.3与GSAP动画库实现响应式交互界面，引入深色主题与3D交互效果，提升用户体验。系统上线后为团队提供轻量级代码协作平台，显著提升管理效率。
技术栈： Django, Python, Bootstrap 5, PostgreSQL, JavaScript (GSAP/AOS.js)
Wiz
视觉算法工程师 · 2年经验 · 某机器人实验室
0
累计接单
0
用户评价
2
被收藏
信用行为
0
接单数
0
评价数
2
收藏数
技术能力
熟练掌握Python和C++，能够进行数据分析、机器学习与深度学习任务，且具备嵌入式开发和性能优化的能力。在计算机视觉方面，我有扎实的OpenCV基础，曾参与超声乳腺图像的特征提取项目。熟悉PyTorch深度学习框架，能应用卷积神经网络（CNN）和YOLO模型进行图像处理与目标检测，同时也对机器学习中的回归与分类算法有一定了解。此外，我有一定的ROS使用经验，能够设计机器人控制系统，处理传感器数据。也具备HTML与CSS前端开发技能。在机器人实验室工作期间，我参与了YOLO模型的改进，并开发了基于BiLSTM和多模态特征的智能健康监测算法，能够处理时间序列数据并设计智能监测系统。
技术栈包括：Python、C++、OpenCV、TensorFlow、PyTorch、YOLO、BiLSTM、ROS、HTML、CSS、Django、机器学习、深度学习（CNN、目标检测）、嵌入式开发、数据分析。
技术栈包括：Python、C++、OpenCV、TensorFlow、PyTorch、YOLO、BiLSTM、ROS、HTML、CSS、Django、机器学习、深度学习（CNN、目标检测）、嵌入式开发、数据分析。
项目经验
RoboMaster机甲大师赛 | 雷达系统算法开发工程师
基于YOLOv5架构创新性设计双层神经网络，通过添加降采样层与特征融合模块，将小目标（机器人装甲板）检测精度提升32%（AP@0.5从0.68→0.90），有效解决赛场复杂光照条件下的识别难题
开发实时坐标定位系统：运用OpenCV构建仿射变换矩阵，实现机器人位姿的鸟瞰图映射（误差<±2cm），完成赛场坐标系与地图视角的动态转换，支撑战术决策系统实时更新
主导系统性能优化：通过多线程相机驱动开发与TensorRT模型量化，将推理速度提升至350FPS（原60FPS），满足毫秒级实时响应要求。
超声乳腺肿瘤检测 | 计算机视觉算法工程师
提出基于UNet++的改进方案：在数据预处理阶段引入CutMix增强与自适应直方图均衡化，使乳腺肿瘤分割Dice系数提升至0.89，有效缓解医学影像样本不足问题
主导YOLOv11模型改进：集成Swin Transformer模块构建混合注意力机制，在保持推理速度的前提下，将恶性肿块检测召回率提升21%（F1-score 0.83→0.92）
项目经历 - CodeManage 代码仓库管理系统
全栈开发者 | 独立项目
基于Django框架设计并开发专业级代码仓库管理系统，实现多仓库管理、版本控制、用户权限及文件操作等核心功能，采用MVT架构设计三层数据模型（Repository/CodeFile/FileVersion），通过Django ORM优化数据库操作，支持SQLite开发与PostgreSQL生产部署。
攻克文件版本管理、路径冲突校验等难点，设计结构化存储方案确保数据一致性；前端使用Bootstrap 5.3与GSAP动画库实现响应式交互界面，引入深色主题与3D交互效果，提升用户体验。系统上线后为团队提供轻量级代码协作平台，显著提升管理效率。
技术栈： Django, Python, Bootstrap 5, PostgreSQL, JavaScript (GSAP/AOS.js)
基于YOLOv5架构创新性设计双层神经网络，通过添加降采样层与特征融合模块，将小目标（机器人装甲板）检测精度提升32%（AP@0.5从0.68→0.90），有效解决赛场复杂光照条件下的识别难题
开发实时坐标定位系统：运用OpenCV构建仿射变换矩阵，实现机器人位姿的鸟瞰图映射（误差<±2cm），完成赛场坐标系与地图视角的动态转换，支撑战术决策系统实时更新
主导系统性能优化：通过多线程相机驱动开发与TensorRT模型量化，将推理速度提升至350FPS（原60FPS），满足毫秒级实时响应要求。
超声乳腺肿瘤检测 | 计算机视觉算法工程师
提出基于UNet++的改进方案：在数据预处理阶段引入CutMix增强与自适应直方图均衡化，使乳腺肿瘤分割Dice系数提升至0.89，有效缓解医学影像样本不足问题
主导YOLOv11模型改进：集成Swin Transformer模块构建混合注意力机制，在保持推理速度的前提下，将恶性肿块检测召回率提升21%（F1-score 0.83→0.92）
项目经历 - CodeManage 代码仓库管理系统
全栈开发者 | 独立项目
基于Django框架设计并开发专业级代码仓库管理系统，实现多仓库管理、版本控制、用户权限及文件操作等核心功能，采用MVT架构设计三层数据模型（Repository/CodeFile/FileVersion），通过Django ORM优化数据库操作，支持SQLite开发与PostgreSQL生产部署。
攻克文件版本管理、路径冲突校验等难点，设计结构化存储方案确保数据一致性；前端使用Bootstrap 5.3与GSAP动画库实现响应式交互界面，引入深色主题与3D交互效果，提升用户体验。系统上线后为团队提供轻量级代码协作平台，显著提升管理效率。
技术栈： Django, Python, Bootstrap 5, PostgreSQL, JavaScript (GSAP/AOS.js)
案例展示
基于加速度计数据的健康行为分析系统
本作品针对可穿戴设备健康监测场景，提出了一种融合多模态特征与改进BiLSTM的深度学习框架，实现活动识别、MET值预测、睡眠阶段分析和久坐预警四大核心功能。系统通过时域（均值、方差）和频域（FFT、功率谱）特征提取，结合个体静态数据（性别、年龄等），构建多维特征表示；采用4层Bi
代码仓库管理系统
全栈开发者 | 独立项目 基于Django框架设计并开发专业级代码仓库管理系统，实现多仓库管理、版本控制、用户权限及文件操作等核心功能，采用MVT架构设计三层数据模型（Repository/CodeFile/FileVersion），通过Django ORM优化数据库操作，支
立即沟通
相似人才推荐：
