技术栈
精通 Python、C/C++、C#,具备扎实的编程基础和系统开发能力,面向对象开发。
熟悉 PyTorch、NumPy、Transformers、OpenCV 等常用库,了解 Docker Desktop 及 CI/CD 流程,能够实现高效的模型开发与部署。
熟悉 Django、FastAPI、Flask 等主流 Python Web 框架,具备后端服务搭建经验。熟悉CRUD内容编写。
精通深度学习,在多个项目中模型准确率超过 90%,熟悉计算机视觉相关技术,包括图像识别、人体识别、面部识别等。
了解 MATLAB 编程,可进行算法仿真与数据分析。
了解并发与异步编程机制,能够编写高性能应用。
熟悉中间件如 Redis、MySQL 的使用,具备数据缓存与数据库设计能力。
掌握 Altium Designer,具备多层工业级 PCB 设计经验,完成过完整电路板开发。
具备硬件电路设计、嵌入式开发及上位机软件开发的端到端项目经验。
了解 ARM 架构芯片开发流程。
熟悉前端开发技术(HTML + CSS + JavaScript),了解 Java、Vue3、PHP 等相关技术。
个人优势
具备优秀的动手能力与创新意识,善于设计与实现具有创意的解决方案。
沟通表达能力强,具有团队协作精神,能够有效组织并推进项目进展。
拥有小组管理经验,参与班级管理及社会实践,具备活动组织与协调能力。
作品集:
基于 CNN 的 AI 项目:https://gitee.com/treeftmx/AI/tree/CNN/
Python 练习项目集:https://gitee.com/treeftmx/python_lianxi
图像预处理阶段:
使用matplotlib进行批量图像加载与尺寸归一化
应用OpenCV的色彩空间转换模块(cv2.cvtColor)
执行自适应直方图均衡化(CLAHE)增强特征对比度
采用双三次插值法保持图像质量
特征匹配核心算法:
构建SIFT特征提取器(cv2.SIFT_create)
设置关键点阈值:contrastThreshold=0.04, edgeThreshold=10
动态可视化生成:
使用Matplotlib构建匹配结果可视化框架
集成imageio库生成优化后的GIF动画
基于深度学习的无词条标注图像内容特征检索方案 本方案使用深度学习相关算法,创新性地构建基于图神经网络的跨模态检索架构,实现端到端的相似物体图像检索系统。在ImageNet子集测试中达到90.3%的跨类别检索准确率,较传统VGG方案提升21.5个百分点。 技术架构设计 多
图像预处理阶段: 使用matplotlib进行批量图像加载与尺寸归一化 应用OpenCV的色彩空间转换模块(cv2.cvtColor) 执行自适应直方图均衡化(CLAHE)增强特征对比度 采用双三次插值法保持图像质量 特征匹配核心算法: 构建SIFT特征提取器(c