图像识别算法工程师简历模板

• 负责工业质检目标检测算法研发，主导缺陷检测模型迭代，mAP从82%提升至89%。
• 完成模型量化与TensorRT加速，推理延迟从35ms降至13ms，满足产线实时检测需求。
• 搭建数据标注与增量训练流程，将新缺陷类别的模型上线周期从3周缩短至5天。

• 负责商品图像分类与检测模型开发，支撑智能货柜商品识别，Top-1准确率提升6个百分点。
• 构建数据增强与难例挖掘机制，将误识别率从5.2%降至2.1%，月客诉减少40%。

• 采用YOLO系列与ResNet主干结合，设计多尺度特征融合方案，小目标缺陷检出率提升12%。
• 引入知识蒸馏压缩模型体积，参数量减少45%，精度损失控制在1%以内，成功部署至边缘设备。

• 针对货柜遮挡与光照变化场景，构建多视角图像融合分类模型，识别准确率达到94.5%。
• 设计自动化数据清洗与标注质检流程，标注效率提升50%，保障模型快速迭代。

研究方向为计算机视觉与模式识别，核心课程：数字图像处理、机器学习、模式识别。

GPA 3.6/4.0，通过CET-6。