•在计算机视觉课程大作业中，基于YOLOv5实现无人机航拍图像的小目标检测优化，通过数据增强与注意力机制改进，将mAP提升12%，获校级优秀课程设计。
•加入学校无人方程式赛车队，负责视觉感知模块，开发基于双目视觉的锥桶检测与测距算法，助力车队获中国大学生无人驾驶方程式大赛全国三等奖，锻炼了工程落地与紧急排错能力。
北京智维科技有限公司 - 研发部高新技术企业创新型企业
2016.07-2020.12
计算机视觉工程师模型压缩与部署智慧安防解决方案技术研读与传导
北京
•主导公司核心视觉产品的算法迭代，针对智慧园区安防场景，通过引入YOLOv7与注意力机制组合，将多目标实时检测准确率从86%提升至93%，并采用TensorRT加速，使推理耗时缩短40%。
•全程负责多个视觉项目的交付，例如为某大型物流园区定制的人员闯入预警系统，从需求沟通、方案设计到边缘端部署，协调算法、前端与硬件团队，确保系统在复杂光照下稳定运行，最终提前两周完成验收。
•主动跟踪视觉领域最新进展，每月组织“算法前沿研读会”，将可变形卷积、自监督预训练等成果转化为内部工具，显著提升了团队在长尾场景下的模型泛化能力。
北京数图科技有限公司 - 技术研发中心行业领先企业科研合作型企业
2021.01-至今
高级计算机视觉工程师图像理解引擎开发算法组件化封装产学研联合攻关
北京
•作为核心骨干，主导新一代图像理解引擎的研发，独立设计特征提取与融合模块，采用EfficientNet与FPN结合的方式，使图像分类与检索速度提升35%，内存占用降低20%。
•牵头搭建公司视觉算法组件库，将目标检测、图像分割、OCR等10余种算法标准化封装，提供统一接口和配置模板，让业务团队调用效率提高50%，该库已支撑超过15个产品线。
•与北京理工大学实验室建立联合课题，探索小样本缺陷检测在工业质检中的应用，负责实验设计、数据合成与评估，推动两项专利申请，为公司切入智能制造领域做好技术储备。
•该项目为智慧园区综合管理平台的核心子模块，我带领团队完成从样本采集、标注规范制定到模型训练和边缘侧部署的全流程。
•数据采集阶段，与园区管委会协作，获取了覆盖雨雾、强光、夜间等12种真实场景的车牌图像，累计标注6万张，并编写自动化清洗脚本剔除低质量样本。
•算法训练选用改进的CRNN+CTC模型，结合合成数据增强，针对新能源车牌和倾斜车牌进行专项优化，使车牌识别准确率达到98.5%。
•部署时，采用NVIDIA Jetson TX2边缘设备，利用TensorRT进行INT8量化，单帧推理耗时控制在24ms内，实现了多通道实时识别，稳定运行至今。
•参与面向精密制造的视觉质检项目，我主要负责基于语义分割的零件表面缺陷检测模块。
•首先对2D/3D工业相机采集的原始图像进行预处理，包括直方图均衡化、自适应滤波和点云对齐，以增强划痕、凹坑等微弱缺陷的对比度。
•采用U-Net++并引入注意力门控机制，结合在线难例挖掘策略，有效解决了缺陷尺度多变和类别不均衡问题。
•经过三个月迭代，最终模型在测试集上mIoU达到0.89，缺陷漏检率低于2%，成功部署于产线，替代了人工目检，每条产线年节省成本约30万元。
深度学习框架（PyTorch/TensorFlow） 视觉感知技术前沿追踪:
持续跟进NeRF与3D Gaussian Splatting在三维重建与可微渲染方向的突破，整理技术博客，并在GitHub收集开源实现进行对比复现。
定期观看ECCV、ICLR等会议Workshop中的轻量化视觉模型分享，梳理针对移动端部署的模型压缩与量化策略，输出技术简报。
试用最新视觉基础模型（如CLIP、SAM）对自有数据集进行零样本/少样本迁移实验，评估其在工业缺陷检测中的可用性，形成预研Demo并内部研讨。
