郭晓腾
计算机视觉算法工程师
无 · 1年经验
日薪：
￥500/8h
地点：
常州 全区
时间：
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
本人长期从事计算机视觉、人工智能算法研发及边缘智能部署相关工作，具备扎实的理论基础和较丰富的工程实践经验。技术方向主要包括单目标跟踪、多目标跟踪、目标检测、图像分类、实例分割、行为识别及视频分析等，熟悉 Transformer、Mamba、CNN 等主流视觉网络架构，能够完成算法选型、模型设计、训练优化、性能评测及问题诊断。
在目标跟踪与检测方面，熟悉常用数据集、评价指标和实验流程，能够针对遮挡、快速运动、尺度变化、低照度、小目标及复杂背景等场景进行专项优化。同时具备模型轻量化和边缘部署能力，熟悉模型剪枝、量化、知识蒸馏、算子优化及推理加速，可将 PyTorch、ONNX 等模型部署至 GPU、NPU、嵌入式开发板及国产边缘计算平台。
作为技术顾问，我能够为项目提供需求分析、技术路线规划、算法方案评审、数据集建设、模型优化、软硬件适配、部署测试及技术风险评估，并可协助团队解决研发过程中出现的精度、速度、显存占用、算力限制和工程落地等问题。
在目标跟踪与检测方面，熟悉常用数据集、评价指标和实验流程，能够针对遮挡、快速运动、尺度变化、低照度、小目标及复杂背景等场景进行专项优化。同时具备模型轻量化和边缘部署能力，熟悉模型剪枝、量化、知识蒸馏、算子优化及推理加速，可将 PyTorch、ONNX 等模型部署至 GPU、NPU、嵌入式开发板及国产边缘计算平台。
作为技术顾问，我能够为项目提供需求分析、技术路线规划、算法方案评审、数据集建设、模型优化、软硬件适配、部署测试及技术风险评估，并可协助团队解决研发过程中出现的精度、速度、显存占用、算力限制和工程落地等问题。
项目经验
1. **复杂场景目标跟踪算法研究与优化**
围绕单目标跟踪中的遮挡、快速运动、目标形变、尺度变化、低照度和背景干扰等问题，开展基于 Transformer、Mamba及卷积神经网络的跟踪算法研究。重点负责网络结构设计、时空特征建模、模板与搜索区域融合、损失函数优化、消融实验及性能分析，并在 GOT-10k、LaSOT、TrackingNet 等公开数据集上进行训练与评测。针对夜间场景，探索多尺度残差连接、浅层细节增强、频域信息融合及动态特征选择等方法，提升模型在弱光和低对比度环境下的目标辨识能力。
2. **目标检测模型轻量化与边缘设备部署**
完成 YOLO 等目标检测模型从训练、导出、转换到边缘端推理的全流程部署，包括数据集构建、模型训练、ONNX 转换、算子适配、INT8量化、推理加速及结果可视化。能够根据 GPU、NPU 和嵌入式开发板的算力、内存及带宽限制，对模型结构、输入分辨率和后处理流程进行针对性优化，并解决部署过程中的算子不支持、精度损失、内存占用过高和实时性不足等问题。
3. **智能无人清扫车视觉感知系统**
面向智慧环卫和无人清扫场景，设计融合目标检测、目标跟踪与环境感知的视觉方案，实现对行人、车辆、垃圾、路障及其他道路目标的实时识别和持续跟踪。参与感知模块技术路线规划、数据采集与标注规范制定、模型训练、边缘端部署及系统联调，并结合实际道路环境分析漏检、误检、遮挡和光照变化等问题，为无人清扫车的避障、路径规划和安全决策提供稳定的视觉信息。
围绕单目标跟踪中的遮挡、快速运动、目标形变、尺度变化、低照度和背景干扰等问题，开展基于 Transformer、Mamba及卷积神经网络的跟踪算法研究。重点负责网络结构设计、时空特征建模、模板与搜索区域融合、损失函数优化、消融实验及性能分析，并在 GOT-10k、LaSOT、TrackingNet 等公开数据集上进行训练与评测。针对夜间场景，探索多尺度残差连接、浅层细节增强、频域信息融合及动态特征选择等方法，提升模型在弱光和低对比度环境下的目标辨识能力。
2. **目标检测模型轻量化与边缘设备部署**
完成 YOLO 等目标检测模型从训练、导出、转换到边缘端推理的全流程部署，包括数据集构建、模型训练、ONNX 转换、算子适配、INT8量化、推理加速及结果可视化。能够根据 GPU、NPU 和嵌入式开发板的算力、内存及带宽限制，对模型结构、输入分辨率和后处理流程进行针对性优化，并解决部署过程中的算子不支持、精度损失、内存占用过高和实时性不足等问题。
3. **智能无人清扫车视觉感知系统**
面向智慧环卫和无人清扫场景，设计融合目标检测、目标跟踪与环境感知的视觉方案，实现对行人、车辆、垃圾、路障及其他道路目标的实时识别和持续跟踪。参与感知模块技术路线规划、数据采集与标注规范制定、模型训练、边缘端部署及系统联调，并结合实际道路环境分析漏检、误检、遮挡和光照变化等问题，为无人清扫车的避障、路径规划和安全决策提供稳定的视觉信息。
郭晓腾
计算机视觉算法工程师 · 1年经验 · 无
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
本人长期从事计算机视觉、人工智能算法研发及边缘智能部署相关工作，具备扎实的理论基础和较丰富的工程实践经验。技术方向主要包括单目标跟踪、多目标跟踪、目标检测、图像分类、实例分割、行为识别及视频分析等，熟悉 Transformer、Mamba、CNN 等主流视觉网络架构，能够完成算法选型、模型设计、训练优化、性能评测及问题诊断。
在目标跟踪与检测方面，熟悉常用数据集、评价指标和实验流程，能够针对遮挡、快速运动、尺度变化、低照度、小目标及复杂背景等场景进行专项优化。同时具备模型轻量化和边缘部署能力，熟悉模型剪枝、量化、知识蒸馏、算子优化及推理加速，可将 PyTorch、ONNX 等模型部署至 GPU、NPU、嵌入式开发板及国产边缘计算平台。
作为技术顾问，我能够为项目提供需求分析、技术路线规划、算法方案评审、数据集建设、模型优化、软硬件适配、部署测试及技术风险评估，并可协助团队解决研发过程中出现的精度、速度、显存占用、算力限制和工程落地等问题。
在目标跟踪与检测方面，熟悉常用数据集、评价指标和实验流程，能够针对遮挡、快速运动、尺度变化、低照度、小目标及复杂背景等场景进行专项优化。同时具备模型轻量化和边缘部署能力，熟悉模型剪枝、量化、知识蒸馏、算子优化及推理加速，可将 PyTorch、ONNX 等模型部署至 GPU、NPU、嵌入式开发板及国产边缘计算平台。
作为技术顾问，我能够为项目提供需求分析、技术路线规划、算法方案评审、数据集建设、模型优化、软硬件适配、部署测试及技术风险评估，并可协助团队解决研发过程中出现的精度、速度、显存占用、算力限制和工程落地等问题。
项目经验
1. **复杂场景目标跟踪算法研究与优化**
围绕单目标跟踪中的遮挡、快速运动、目标形变、尺度变化、低照度和背景干扰等问题，开展基于 Transformer、Mamba及卷积神经网络的跟踪算法研究。重点负责网络结构设计、时空特征建模、模板与搜索区域融合、损失函数优化、消融实验及性能分析，并在 GOT-10k、LaSOT、TrackingNet 等公开数据集上进行训练与评测。针对夜间场景，探索多尺度残差连接、浅层细节增强、频域信息融合及动态特征选择等方法，提升模型在弱光和低对比度环境下的目标辨识能力。
2. **目标检测模型轻量化与边缘设备部署**
完成 YOLO 等目标检测模型从训练、导出、转换到边缘端推理的全流程部署，包括数据集构建、模型训练、ONNX 转换、算子适配、INT8量化、推理加速及结果可视化。能够根据 GPU、NPU 和嵌入式开发板的算力、内存及带宽限制，对模型结构、输入分辨率和后处理流程进行针对性优化，并解决部署过程中的算子不支持、精度损失、内存占用过高和实时性不足等问题。
3. **智能无人清扫车视觉感知系统**
面向智慧环卫和无人清扫场景，设计融合目标检测、目标跟踪与环境感知的视觉方案，实现对行人、车辆、垃圾、路障及其他道路目标的实时识别和持续跟踪。参与感知模块技术路线规划、数据采集与标注规范制定、模型训练、边缘端部署及系统联调，并结合实际道路环境分析漏检、误检、遮挡和光照变化等问题，为无人清扫车的避障、路径规划和安全决策提供稳定的视觉信息。
围绕单目标跟踪中的遮挡、快速运动、目标形变、尺度变化、低照度和背景干扰等问题，开展基于 Transformer、Mamba及卷积神经网络的跟踪算法研究。重点负责网络结构设计、时空特征建模、模板与搜索区域融合、损失函数优化、消融实验及性能分析，并在 GOT-10k、LaSOT、TrackingNet 等公开数据集上进行训练与评测。针对夜间场景，探索多尺度残差连接、浅层细节增强、频域信息融合及动态特征选择等方法，提升模型在弱光和低对比度环境下的目标辨识能力。
2. **目标检测模型轻量化与边缘设备部署**
完成 YOLO 等目标检测模型从训练、导出、转换到边缘端推理的全流程部署，包括数据集构建、模型训练、ONNX 转换、算子适配、INT8量化、推理加速及结果可视化。能够根据 GPU、NPU 和嵌入式开发板的算力、内存及带宽限制，对模型结构、输入分辨率和后处理流程进行针对性优化，并解决部署过程中的算子不支持、精度损失、内存占用过高和实时性不足等问题。
3. **智能无人清扫车视觉感知系统**
面向智慧环卫和无人清扫场景，设计融合目标检测、目标跟踪与环境感知的视觉方案，实现对行人、车辆、垃圾、路障及其他道路目标的实时识别和持续跟踪。参与感知模块技术路线规划、数据采集与标注规范制定、模型训练、边缘端部署及系统联调，并结合实际道路环境分析漏检、误检、遮挡和光照变化等问题，为无人清扫车的避障、路径规划和安全决策提供稳定的视觉信息。
案例展示
基于百度edgeboard的视觉小车
**基于百度 EdgeBoard 的智能赛道视觉感知与任务执行系统** 基于百度 EdgeBoard 边缘计算板卡，搭建集图像采集、赛道信息识别、目标检测、路径判断与任务执行于一体的智能视觉系统。使用 OpenCV 完成摄像头标定、图像畸变校正、颜色空间转换、图像增强、边缘
基于树莓派的自动座椅系统
**基于树莓派的智能座椅身份识别与自动调节系统** 本项目以树莓派为核心控制平台，设计并实现了一套集人脸身份识别、座椅占用检测、执行机构控制和异常处理于一体的智能座椅系统。系统采用模块化软件架构，将图像采集、视觉识别、传感器检测、运动控制和主控逻辑进行分层设计，提高了程序的
立即沟通
