猿急送>

长沙前端兼职程序员

ID：420504

Nocryh

视觉算法工程师

公司信息：
西安主函数智能科技

工作经验：
3年

兼职日薪：
500元/8小时

兼职时间：
下班后
可工作日远程

所在区域：
长沙
全区

技术能力

我目前工作，主要服务于计算机视觉和深度学习相关的项目，同时也具备一定的全栈交付能力。

模型训练与深度学习：
熟悉深度学习模型的全流程开发，包括数据清洗与标注、模型选型与结构设计、训练调参、模型量化压缩以及推理部署。常用框架为 PyTorch ，有过图像分类、目标检测、语义分割等任务的实践经验。能够根据业务场景选择合适的预训练模型进行微调
，具备基本的分布式训练使用经验，了解 ONNX、TensorRT 等推理优化工具的常规用法。

视觉算法：这是我主要的技术方向。熟悉 OpenCV 等常用图像处理库，掌握图像预处理、特征提取、图像配准、目标跟踪等基础算法
。在工业视觉检测、安防监控等场景中有实际项目积累，能够独立完成从算法选型、原型验证到工程落地的完整链路。对经典视觉算法
和基于深度学习的方法都有一定的理解，能够根据实际需求在两者之间做合理取舍。

前端开发：具备基本的前端开发能力，熟悉 HTML/CSS/JavaScript 技术栈，使用过 React/Vue 等主流框架。能够独立搭建简单的前
端页面和数据可视化看板，用于算法效果的展示和调试。虽然不是专业前端工程师，但日常开发中的常见需求和接口联调都可以胜任。

整体风格是实用导向，注重方案的可行性和交付效率，遇到不熟悉的领域会主动学习并快速上手。

项目经验

工业零件缺陷检测系统（视觉算法 + 模型训练）

为某制造企业开发了一套基于深度学习的零件表面缺陷检测系统。项目中使用 PyTorch 搭建了基于 ResNet 和 EfficientNet
的分类模型，结合目标检测框架（YOLOv8）对划痕、凹坑、毛刺等常见缺陷进行定位与识别。数据集规模约 5
万张，涉及类别不平衡、小目标检测等问题，通过数据增强、Focal Loss
和多尺度训练等策略有效提升了检测精度。最终模型在测试集上 mAP 达到 92% 以上，推理速度满足产线实时要求，使用 TensorRT部署在边缘设备上稳定运行。这个项目让我完整走通了从数据准备、模型训练到工程部署的全流程。

智慧安防行人属性识别（视觉算法）

参与了一个园区安防监控场景下的行人属性识别项目，需要从监控视频流中实时提取行人的性别、年龄段、衣着颜色、背包等属性信息
。基于轻量级 CNN 架构设计了一个多任务学习模型，在多个公开数据集上完成预训练后，针对项目实际场景的数据进行微调。项目中
处理了大量的低质量监控图像，在图像增强和模型鲁棒性方面积累了不少经验。最终模型在嵌入式设备上达到了 15fps
以上的推理速度，属性识别准确率满足业务需求。