力量不负
访问学者
美国卡内基梅隆大学计算机学院机器人研究所 · 15年经验
日薪：
￥1000/8h
地点：
西安
时间：
下班后周六周日可工作日远程可工作日驻场（自由职业原因）
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
主要从事人工智能、计算机视觉、图像处理方向研发工作，代表性项目包括基于移动端的 AI 深度学习目标智能检测算法开发。熟练掌握 PyTorch 深度学习框架，熟悉 YOLO 系列目标检测算法，可完成模型训练、轻量化裁剪与格式转换；掌握 Android SDK、AndroidX、Jetpack 等移动端开发技术，具备端侧 AI 模型移植、集成、设备调试实测能力。
擅长解决视觉检测算法落地难题，可承接通用目标检测模型训练优化、模型移动端部署、端侧推理性能调优、安卓端 AI 应用集成测试等工作。能够处理模型移植后推理卡顿、精度损失、设备兼容性差等实际工程问题，可把训练完成的深度学习模型落地到手机等边缘设备，实现离线实时目标识别。兼顾算法效果与工程落地，既可以做算法模型迭代优化，也能完成从模型文件到移动端可运行程序的完整流程，推动计算机视觉算法从实验原型走向实际可运行产品。
擅长解决视觉检测算法落地难题，可承接通用目标检测模型训练优化、模型移动端部署、端侧推理性能调优、安卓端 AI 应用集成测试等工作。能够处理模型移植后推理卡顿、精度损失、设备兼容性差等实际工程问题，可把训练完成的深度学习模型落地到手机等边缘设备，实现离线实时目标识别。兼顾算法效果与工程落地，既可以做算法模型迭代优化，也能完成从模型文件到移动端可运行程序的完整流程，推动计算机视觉算法从实验原型走向实际可运行产品。
项目经验
主要研究方向：人工智能、计算机视觉、图像处理、人脸识别、情绪识别、摄像机标定、图像畸变校正、图像增强、目标跟踪、智能目标识别、全景图像拼接、图像镶嵌、电子稳像、动目标检测、合成视觉、三维重建、多源信息融合、情报综合信息处理、智能光电系统、无人机/无人车协同融合感知等。
代表性项目为基于移动端的 AI 深度学习目标智能检测算法开发。本人独立负责算法选型、模型移植适配、安卓端集成调试与设备实测全流程工作。选用 YOLOv5s 模型，针对 80 类通用目标完成模型轻量化处理，将 pt 格式检测模型集成开发为安卓小程序，完成华为手机环境适配安装与实地测试。解决端侧推理卡顿、设备兼容、摄像头推理调度等技术问题，实现手机本地离线目标检测，无需依赖云端服务。最终产出可直接安装运行的安卓检测程序，支持摄像头实时采集画面，完成目标定位、类别识别与结果可视化输出，在移动端设备达成稳定的多类别目标检测效果，验证了深度学习算法端侧落地的可行性。
代表性项目为基于移动端的 AI 深度学习目标智能检测算法开发。本人独立负责算法选型、模型移植适配、安卓端集成调试与设备实测全流程工作。选用 YOLOv5s 模型，针对 80 类通用目标完成模型轻量化处理，将 pt 格式检测模型集成开发为安卓小程序，完成华为手机环境适配安装与实地测试。解决端侧推理卡顿、设备兼容、摄像头推理调度等技术问题，实现手机本地离线目标检测，无需依赖云端服务。最终产出可直接安装运行的安卓检测程序，支持摄像头实时采集画面，完成目标定位、类别识别与结果可视化输出，在移动端设备达成稳定的多类别目标检测效果，验证了深度学习算法端侧落地的可行性。
ID:430530
复制
力量不负
访问学者 · 15年经验 · 美国卡内基梅隆大学计算机学院机器人研究所
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
主要从事人工智能、计算机视觉、图像处理方向研发工作，代表性项目包括基于移动端的 AI 深度学习目标智能检测算法开发。熟练掌握 PyTorch 深度学习框架，熟悉 YOLO 系列目标检测算法，可完成模型训练、轻量化裁剪与格式转换；掌握 Android SDK、AndroidX、Jetpack 等移动端开发技术，具备端侧 AI 模型移植、集成、设备调试实测能力。
擅长解决视觉检测算法落地难题，可承接通用目标检测模型训练优化、模型移动端部署、端侧推理性能调优、安卓端 AI 应用集成测试等工作。能够处理模型移植后推理卡顿、精度损失、设备兼容性差等实际工程问题，可把训练完成的深度学习模型落地到手机等边缘设备，实现离线实时目标识别。兼顾算法效果与工程落地，既可以做算法模型迭代优化，也能完成从模型文件到移动端可运行程序的完整流程，推动计算机视觉算法从实验原型走向实际可运行产品。
擅长解决视觉检测算法落地难题，可承接通用目标检测模型训练优化、模型移动端部署、端侧推理性能调优、安卓端 AI 应用集成测试等工作。能够处理模型移植后推理卡顿、精度损失、设备兼容性差等实际工程问题，可把训练完成的深度学习模型落地到手机等边缘设备，实现离线实时目标识别。兼顾算法效果与工程落地，既可以做算法模型迭代优化，也能完成从模型文件到移动端可运行程序的完整流程，推动计算机视觉算法从实验原型走向实际可运行产品。
项目经验
主要研究方向：人工智能、计算机视觉、图像处理、人脸识别、情绪识别、摄像机标定、图像畸变校正、图像增强、目标跟踪、智能目标识别、全景图像拼接、图像镶嵌、电子稳像、动目标检测、合成视觉、三维重建、多源信息融合、情报综合信息处理、智能光电系统、无人机/无人车协同融合感知等。
代表性项目为基于移动端的 AI 深度学习目标智能检测算法开发。本人独立负责算法选型、模型移植适配、安卓端集成调试与设备实测全流程工作。选用 YOLOv5s 模型，针对 80 类通用目标完成模型轻量化处理，将 pt 格式检测模型集成开发为安卓小程序，完成华为手机环境适配安装与实地测试。解决端侧推理卡顿、设备兼容、摄像头推理调度等技术问题，实现手机本地离线目标检测，无需依赖云端服务。最终产出可直接安装运行的安卓检测程序，支持摄像头实时采集画面，完成目标定位、类别识别与结果可视化输出，在移动端设备达成稳定的多类别目标检测效果，验证了深度学习算法端侧落地的可行性。
代表性项目为基于移动端的 AI 深度学习目标智能检测算法开发。本人独立负责算法选型、模型移植适配、安卓端集成调试与设备实测全流程工作。选用 YOLOv5s 模型，针对 80 类通用目标完成模型轻量化处理，将 pt 格式检测模型集成开发为安卓小程序，完成华为手机环境适配安装与实地测试。解决端侧推理卡顿、设备兼容、摄像头推理调度等技术问题，实现手机本地离线目标检测，无需依赖云端服务。最终产出可直接安装运行的安卓检测程序，支持摄像头实时采集画面，完成目标定位、类别识别与结果可视化输出，在移动端设备达成稳定的多类别目标检测效果，验证了深度学习算法端侧落地的可行性。
案例展示
基于移动端的AI目标智能检测软件
开发了一个安卓小程序，我的手机是华为手机，将80类的通用目标检测模型yolov5s_for_80classes-good.pt集成到安卓手机中，并在华为手机进行安装测试和运行。
可见光与红外图像融合算法软件
软件包含图像采集导入、图像预处理、图像配准、多算法融合、融合参数调节、融合效果评估、结果导出、系统设置等核心功能模块，覆盖从原始图像输入到最终融合成果输出的全流程。软件可快速导入并处理可见光与红外图像，通过自动配准实现精准对齐，融合生成兼具纹理细节与热目标信息的高质量图像，支持多
基于AI模型的无人机图像智能检测算法软件
本项目依托 AI 深度学习模型，实现航拍图像 / 视频自动目标检测、异常识别、实时告警、数据结构化，替代人工完成精准、高效、全天候智能分析，解决低空视觉数据 “看不清、判不准、管不过来” 的核心问题。软件面向电力 / 油气 / 光伏巡检、智慧城市治理、消防应急、林业防火、河道环保
立即沟通
