葛晓辉
学生
巢湖学院 · 1年经验
日薪：
￥500/8h
地点：
合肥
时间：
周六周日可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
深度学习与计算机视觉：熟悉 Python、PyTorch，具备图像分类、目标检测、语义/实例分割、特征提取等视觉任务实践经验。
AI应用与智能体：熟悉 RAG、LangChain、LangGraph、Dify、Prompt Engineering，了解多智能体框架和Hermes智能体相关概念。
后端与工程化：熟悉 FastAPI 接口开发，了解 Docker、Linux、ONNX Runtime、INT8 量化与模型服务部署流程。
数据与检索：熟悉 Chroma、Weaviate 等向量数据库基础使用。
AI应用与智能体：熟悉 RAG、LangChain、LangGraph、Dify、Prompt Engineering，了解多智能体框架和Hermes智能体相关概念。
后端与工程化：熟悉 FastAPI 接口开发，了解 Docker、Linux、ONNX Runtime、INT8 量化与模型服务部署流程。
数据与检索：熟悉 Chroma、Weaviate 等向量数据库基础使用。
项目经验
独立设计并实现了基于 FreqFPN 频域特征金字塔 + VMamba 状态空间模型 + U-Net++ 的混合架构乳腺超声病灶分割系统，采用类别平衡 Focal Loss 与 Dice Loss 组合优化，集成 ResNet50+MLP 辅助分类头实现 BI-RADS 分级辅助诊断；后端基于 FastAPI+PostgreSQL+MinIO 构建异步推理服务，设计了支持 PyTorch/ONNX/INT8 三后端切换与自动降级的推理引擎，前端用 Vue2+Element UI 实现完整临床工作流界面，全流程覆盖模型训练、评估、量化部署与数据治理。
葛晓辉
学生 · 1年经验 · 巢湖学院
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
深度学习与计算机视觉：熟悉 Python、PyTorch，具备图像分类、目标检测、语义/实例分割、特征提取等视觉任务实践经验。
AI应用与智能体：熟悉 RAG、LangChain、LangGraph、Dify、Prompt Engineering，了解多智能体框架和Hermes智能体相关概念。
后端与工程化：熟悉 FastAPI 接口开发，了解 Docker、Linux、ONNX Runtime、INT8 量化与模型服务部署流程。
数据与检索：熟悉 Chroma、Weaviate 等向量数据库基础使用。
AI应用与智能体：熟悉 RAG、LangChain、LangGraph、Dify、Prompt Engineering，了解多智能体框架和Hermes智能体相关概念。
后端与工程化：熟悉 FastAPI 接口开发，了解 Docker、Linux、ONNX Runtime、INT8 量化与模型服务部署流程。
数据与检索：熟悉 Chroma、Weaviate 等向量数据库基础使用。
项目经验
独立设计并实现了基于 FreqFPN 频域特征金字塔 + VMamba 状态空间模型 + U-Net++ 的混合架构乳腺超声病灶分割系统，采用类别平衡 Focal Loss 与 Dice Loss 组合优化，集成 ResNet50+MLP 辅助分类头实现 BI-RADS 分级辅助诊断；后端基于 FastAPI+PostgreSQL+MinIO 构建异步推理服务，设计了支持 PyTorch/ONNX/INT8 三后端切换与自动降级的推理引擎，前端用 Vue2+Element UI 实现完整临床工作流界面，全流程覆盖模型训练、评估、量化部署与数据治理。
案例展示
基于CfC 液态神经网络的皮肤病诊断系统
系统完成面向 23 类皮肤病变图像的智能诊断闭环，覆盖图像上传、预处理、模型分类推理、症状分析与图像诊断 Agent 协同、RAG 医学知识检索、问答生成和诊断结果返回。 针对皮肤病变图像中病灶区域细小、类间差异弱、相似病种易混淆的问题，基于 EfficientNet-B3
基于VMamba的乳腺癌病灶辅助诊断系统
系统完成面向乳腺超声图像的病灶分割、良恶性分类、BI-RADS 分级评估、生物标志物提取与结构化诊断报告生成流程。 设计双编码器混合架构：以 VMamba-Tiny 捕获全局上下文，并行构建 FFT + DCT 频域特征金字塔分支，通过门控融合机制融合多尺度特征。 解码器采用
立即沟通
