牛敬业
数字图像处理开发工程师
BUSINESS PROFILE
电话188****2658
邮箱niu****@***.com
城市北京
年龄30
性别男
求职状态在职
•选修《计算机视觉》《图像分割算法》等核心课程，独立完成基于YOLOv5的实时目标检测系统设计，获省级大学生创新项目立项。
•成立AI视觉社团，指导团队开发AR滤镜应用原型，在2017年'挑战杯'全国大学生课外学术科技作品竞赛中荣获二等奖。
•参与企业合作课题，负责多光谱图像预处理模块研发，技术方案被集成至某卫星遥感数据处理平台。
北京腾讯科技有限公司 - 计算机视觉研究院科技巨头
2016.07-2019.12
•负责智慧园区视觉系统的图像增强模块开发，采用自适应直方图均衡化与Retinex融合算法，将低光照场景下的目标识别率从68%提升至87%，系统部署后日均处理图像量达50万张。
•主导工业质检场景的缺陷检测算法优化，通过改进形态学滤波与边缘检测流程，使金属表面微小裂纹的检出率提升22%，项目成果应用于新能源汽车零部件生产线。
•参与AR试妆功能的SDK开发，创新性提出基于深度学习的皮肤纹理迁移算法，在保持色彩保真度前提下将渲染延迟降低35%，该方案被集成至主流美妆品牌App。
北京阿里巴巴云计算有限公司 - 达摩院视觉智能实验室AI基础设施
2020.01-2022.06
高级数字图像处理工程师超分辨率重建开源工具开发
北京
•统筹智慧城市交通事件检测平台的技术架构，引入时空卷积网络（ST-CNN）实现交通事故的秒级响应，将拥堵预警准确率从81%提升至94%，服务覆盖全国12个城市的交通管理部门。
•突破显微图像超分辨率重建技术瓶颈，设计多尺度注意力机制的GAN架构，使病理切片图像分辨率提升4倍，帮助临床诊断效率提高30%，该成果发表于IEEE TMI期刊。
•搭建图像处理算法开源工具链，包含50+标准化预处理模块，降低业务团队开发成本40%，培养团队成员通过Google Summer of Code项目贡献OpenCV核心库。
•针对电力线巡检场景开发轻量化缺陷识别模型，采用MobileNetV3+YOLOv5融合架构，在边缘设备上实现98.7%的绝缘子破损识别准确率，单帧处理速度达32FPS。
•设计动态阈值分割算法处理复杂光照干扰，将不同时段拍摄的图像融合成统一质量基准，使缺陷定位误差降低至2像素以内。
•联合电力公司开展实地测试，系统上线后替代人工巡检工作量60%，年节约运维成本超千万。
•构建多光谱图像特征融合框架，结合HSV色彩空间转换与小波变换，使船舶识别准确率从79%提升至91%，有效应对海浪反光干扰。
•开发可解释性分析模块，通过Grad-CAM可视化定位识别依据区域，辅助军事客户理解算法决策过程，该模块获2022年国防科技创新二等奖。
•优化分布式处理流水线，采用CUDA加速关键算法，使TB级影像数据的处理周期缩短72小时，支撑完成3次国家级应急监测任务。
深耕数字图像处理领域5年，对像素级精度优化有天然热情，日常习惯用OpenCV+Python复现论文算法验证边界场景。坚持代码洁癖，曾因重构滤波模块使处理速度提升3倍被团队评为技术标杆。擅长将传统算法与深度学习结合，在医疗影像三维重建项目中提出非局部均值滤波改进方案，被导师收录至国际会议论文集。持续关注GAN在图像增强中的前沿应用，业余时间维护图像处理技术博客，累计阅读量超20万。
2023年阿里云AI for Good创新奖（农业遥感项目） 技术专利:
发明专利：基于注意力机制的医学影像增强方法（专利号：ZL202210987654.3），该技术有效改善低对比度病灶区域显示效果，已应用于三甲医院CT影像分析系统。
开源贡献:
PIL/Pillow核心维护者（GitHub ID: image_wizard），优化JPEG解码器内存占用，相关代码被正式合并至9.0版本。
技术认证:
通过Google AI机器学习专项认证（计算机视觉方向），完成《Transformer架构在图像分类中的实践》进阶课程。
