熟练运用 Python 编程语言开展计算机视觉相关开发工作,精通 Git 版本管理、Anaconda 环境配置及 VS Code 开发工具的高效使用;熟练掌握 OpenCV 库实现图像滤波、增强、分割及边缘检测等核心操作,能基于 NumPy、Pandas 完成数据集清洗整理,借助 Matplotlib 实现结果可视化;精通 PyTorch、TensorFlow 深度学习框架,掌握 CNN 基础架构原理及落地应用,可独立完成人脸识别、目标检测模型的搭建与训练;具备模型轻量化(剪枝 / 量化)优化能力,熟练完成 VOC/COCO/Yolo 等主流数据集格式转换,能高效适配不同 CV 任务的数据集需求,具备从数据处理到模型训练、优化的全流程实操能力。
车联网路侧 DINO 模型 + 人脸匿名化融合系统
面向车联网路侧场景,基于 DINO 模型实现车辆与行人检测,用 OpenCV 定位人脸区域并通过像素化完成匿名化处理;借助 NumPy/Pandas 清洗混合数据集、Matplotlib 可视化结果,完成数据集格式转换与模型轻量化优化,Git 管理代码版本,Anaconda 统一开发环境,兼顾检测精度与隐私保护。