ID：397254
Headliner 身份已认证
算法工程师
- 公司信息：
- 武汉港迪智能技术有限公司
- 工作经验：
- 3年
- 兼职日薪：
- 500元/8小时
- 兼职时间：
- 周六
- 可工作日远程
- 所在区域：
- 武汉
- 全区
技术能力
1.编程与基础： 精通 Python语言、熟悉C++语言，掌握常见数据结构与算法工具。
2.深度学习框架与技术： 熟练使用 PyTorch、Tensorflow深度学习框架；熟悉分布式训练、ROS通信技术。
3.视觉感知算法： 精通目标检测、图像匹配、图像融合、融合感知等算法。
4.其他技术： 熟悉CLIP、Dino v2等大模型、OCR、图像生成、语音、姿态识别、Diffusion。
5. 项目管理与环境： 熟悉 Git (Github、Gitee、GitLab) 及 Linux 常用命令和工具。
项目经验
低成本-非合作定位系统研发
应用技术：C++、QT、GlueStick、Roma
项目内容：军事背景下，通过图像特征提取与特征匹配技术，研究无人机航片与卫星瓦片的对应关系，动态获取打击目标的精确位置。
.基于无人机地理信息与打击目标航片，利用GlueStick稀疏匹配算法，遍历捕捉初始打击范围；利用Roma密集匹配算法，获取精确打击目标地理位置。
.基于QT技术，构建定位系统，实现即选即打的目的。
案例展示
-
基于联邦学习和差分隐私的人脸识别系统研究
随着人脸识别技术在智能安防、金融支付等隐私敏感场景的大规模部署，传统集中式训练模式导致的用户数据泄露风险成为技术发展的主要瓶颈。本文提出一种基于联邦学习与差分隐私的混合架构人脸识别系统。通过构建支持非独立同分布（Non-IID）数据的联邦学习框架，结合动态隐私预算管理策略，在保护
-
基于深度学习的违章系统
基于深度学习的违章系统是一种利用深度学习技术实现对各类违章行为进行自动检测、识别和处理的智能系统，广泛应用于交通、工业生产、施工现场等多个领域。 系统构成 数据采集模块：通过摄像头、传感器等设备收集图像、视频等数据，这些数据涵盖了正常行为和违章行为的场景。例如在交通场景中，摄
