图像识别简历模板

• 负责工业质检视觉算法研发，基于YOLOv8改进小目标检测模型，将缺陷检出率从95.2%提升至98.6%。
• 主导模型量化与TensorRT加速部署，单张图像推理耗时由45ms降至18ms，满足产线节拍要求。
• 搭建数据标注与增量训练流程，模型迭代周期由2周缩短至3天，支撑3条产线稳定运行。

• 参与人脸识别与活体检测算法开发，优化数据增强策略，1:N识别准确率提升4.1个百分点。
• 负责图像预处理与模型压缩模块，模型体积压缩60%，边缘端内存占用降低至120MB以内。
• 配合产品团队完成方案交付，支撑5个客户项目上线，客户验收通过率100%。

• 设计多尺度特征融合检测网络，解决划痕、凹坑等小目标漏检问题，mAP提升6.3%。
• 构建2万张缺陷样本数据集并制定标注规范，模型在测试集上准确率达98.2%。
• 完成产线部署与灰度验证，单线日均检测10万件，误检率低于0.5%。

• 采用知识蒸馏与剪枝方案压缩模型，参数量减少65%，推理速度提升2.3倍。
• 优化活体检测策略，攻击样本拦截率达99.3%，误识率控制在0.02%以内。

研究方向为计算机视觉与深度学习，相关课程：模式识别、数字图像处理、机器学习。

GPA 3.7/4.0，专业排名前10%，通过CET-6。