AMAZING RESUME
牛敬业
机器视觉软件工程师
188****7005niu****@***.com北京30男机器视觉软件工程师在职北京25k-35k •主修数据结构、操作系统及数字图像处理，掌握从内存管理到图像频域分析的底层原理，为视觉算法优化打下坚实基础。
•独立完成基于 C++ 的图像配准课程项目，利用特征匹配算法实现多视角融合，处理速度满足实时性要求。
•活跃于 ACM 竞赛与校内科技节，作为核心成员攻克视觉识别模块，通过团队协作在限定时间内交付高质量代码。
机器视觉软件工程师工业视觉检测深度学习模型优化
北京
•主导半导体晶圆缺陷检测算法的研发，通过引入注意力机制优化YOLOv5模型，在0.1μm级缺陷识别中实现95.8%的检出率，误报率控制在1.2%以下，帮助客户将晶圆筛选工序从2小时压缩至40分钟。
•设计并落地了一套分布式视觉检测架构，采用多GPU并行推理方案，使单条产线检测吞吐量提升60%，支撑了日均3万片晶圆的检测需求，累计避免客户潜在损失超800万元。
•与光机团队协同完成工业相机SDK适配，针对8种不同光谱相机编写底层驱动，确保成像系统在-10℃至60℃环境下的稳定性，设备连续运行MTBF突破10000小时。
北京视联科技有限公司 - 智能视觉事业部创新型企业
2022.01-至今
机器视觉软件工程师医疗影像分析分布式视觉平台开发
北京
•负责医疗影像分析平台的核心算法开发，针对X光胸片中的微小结节检测，创新性融合U-Net与Transformer架构，将0.5mm以下结节识别灵敏度提升至92.3%，在30家三甲医院试点中减少漏诊案例180余例。
•重构内部视觉算法中间件，设计插件化算法注册机制，使新模型集成周期从2周缩短至3天，支撑了20+医疗影像算法的快速上线，提升研发团队整体交付效率35%。
•带领3人小组完成智能病理切片分析系统开发，实现细胞核分割与异常区域标注功能，系统在5家病理中心部署后，病理医生日均工作时长减少2.5小时，报告出具时效提升50%。
•项目背景：先进制程芯片制造对晶圆缺陷检测精度要求达亚微米级，传统光学检测在微小缺陷识别上存在瓶颈，且人工复检成本居高不下。
•项目内容：构建基于多尺度特征融合的缺陷检测网络，采集并标注12万张晶圆显微图像；设计自适应阈值算法应对不同光照条件；优化模型推理引擎，在保持96.5%检测精度的前提下将单片处理时间压缩至120ms。
•项目成果：系统在6英寸晶圆产线部署后，缺陷检出率较传统方法提升28%，误判率下降45%，每年为客户节约人工复检成本约420万元，技术方案获客户年度最佳供应商奖。
•项目背景：基层医院影像科普遍面临人才短缺问题，X光胸片等常规检查的诊断效率与一致性亟待提升，需要智能化辅助决策工具。
•项目内容：开发基于深度学习的胸部X光影像分析模块，重点攻克微小结节、早期肺炎等疑难病灶识别；设计医生反馈闭环机制，使系统可根据专家标注持续优化；构建联邦学习框架实现多医院数据协同训练。
•项目成果：系统在12家县级医院部署后，辅助诊断准确率达94.7%，将影像报告出具时间缩短40%，疑似病灶标记准确率超90%，助力基层医院诊断能力整体提升。
作为一名机器视觉软件工程师，我始终保持着对图像识别技术的热忱，坚信视觉智能是连接物理世界与数字世界的桥梁。工作中我养成了严谨细致的习惯，从像素级图像分析到复杂场景理解，每个细节都不容忽视。在技术层面，我擅长将深度学习算法与工业场景深度融合，尤其对实时图像处理有独到见解。日常会花时间研究最新的视觉技术论文，偶尔也会在GitHub上分享一些图像处理的小技巧。目前正专注提升模型轻量化能力，希望能在资源受限的嵌入式设备上实现更高效的视觉识别。
深度学习框架应用（TensorFlow/PyTorch） 专利与知识产权:
参与研发并申请 2 项机器视觉领域发明专利，重点解决动态环境下的目标识别与跟踪稳定性问题。
核心专利提出一种抗遮挡的视频流处理方案，通过优化特征提取权重，在安防监控实际场景中使目标跟踪准确率提升 30%。
