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。