AMAZING RESUME · EXECUTIVE PROFILE
牛敬业
模型算法工程师
188****6120niu****@***.com北京28男模型算法工程师在职北京25k - 35k •主导《智能制造中的机器视觉优化》课题，设计动态缺陷跟踪算法，将产线检测效率提升40%，成果落地于新能源汽车及航空制造产线
•研发端侧轻量化模型压缩方案，采用知识蒸馏与混合精度训练技术，在COCO数据集上实现Faster R-CNN推理速度提升3.2倍
•获华为杯中国研究生数学建模竞赛全国特等奖，带队构建城市交通流预测系统，融合时空图卷积与强化学习实现拥堵预警
•主导设计工业质检视觉检测模型，针对金属表面缺陷检测需求，创新性融合Transformer注意力机制与传统卷积层，在客户产线场景中实现缺陷识别准确率98.5%，误检率降低至0.3%以下
•搭建云端协同训练平台，支持分布式多GPU集群管理，通过动态资源调度算法将模型训练效率提升40%，支撑日均500万+工业图像推理需求
•建立模型效果评估体系，设计涵盖精度、时效性、鲁棒性的三维评估框架，推动算法迭代周期缩短30%，相关方案被纳入企业AI开发标准流程
•负责智能驾驶感知算法研发，设计多传感器融合架构，整合激光雷达点云与摄像头图像数据，在复杂天气条件下将目标检测mAP提升至89.7%
•构建边缘计算模型部署方案，通过量化压缩与知识蒸馏技术，将实时检测模型推理时延压缩至15ms以内，成功适配车规级芯片平台
•推动算法工程化落地，与硬件团队协同完成7nm制程芯片适配，开发自动化标定工具链，使车载系统部署效率提升60%
•项目背景：某新能源汽车电池生产企业面临人工质检效率低下（日均仅8000件），误判率高达7%的问题
•技术方案：设计双流特征提取网络，同步处理宏观形貌特征与微观纹理特征，结合时序注意力机制捕捉缺陷演化规律
•实施成果：系统上线后实现单线日均检测量25万件，缺陷漏检率降至0.02%，帮助企业年节省质检成本1200万元
•创新点：首创缺陷类型迁移学习框架，仅需50例样本即可完成新产线模型适配，较传统方案减少标注成本80%
•项目背景：现有感知系统在低照度环境下目标检测精度下降32%，影响行车安全
•技术路径：构建多光谱数据增强模型，融合红外热成像与可见光图像，设计跨模态特征对齐损失函数
•工程实践：开发自适应曝光控制模块，动态调整摄像头参数，在-10℃至50℃工况下保持±5%检测精度稳定性
•应用价值：系统通过车规级认证，搭载车型在夜间测试中事故率降低47%，获德国红点设计奖创新奖
技术理想主义者，痴迷算法在真实场景中的价值转化。坚信优雅的模型架构与工程实现同等重要，习惯用代码注释记录每个模型的演化逻辑。在推荐系统、工业视觉检测领域积累了三年实战经验，擅长将论文创新点转化为可落地的技术方案。保持每周精读两篇顶会论文的习惯，曾主导设计跨模态特征对齐机制解决多源数据融合难题。期待加入追求技术深度的团队，用算法推动行业效率革新。
CVPR 2021 Best Paper Award提名 技术传播实践:
运营「深度学习工程化」技术公众号，累计输出60+篇原创技术解析，单篇最高阅读量达80万，其中《模型量化实战指南》被3家独角兽企业采购为内部教材
作为核心贡献者参与PaddlePaddle视觉库开发，完成多阶段训练框架重构，PR合并率92%，优化后模型训练吞吐量提升50%
知识产权成果:
第一发明人申请《基于Transformer的工业相机标定方法》发明专利（202310145678.9），突破传统标定精度瓶颈，已在半导体检测领域产业化应用
参与编制《工业机器人协同控制规范》团体标准，负责视觉伺服模块测试用例设计，方案通过国家认证认可监督管理委员会评审
