计算机视觉工程师简历模板

• 负责工业缺陷检测算法研发，主导YOLO系列模型改进，产线漏检率由3.5%降至1.2%。
• 搭建数据标注与训练流水线，模型迭代周期从2周缩短至4天，支撑8条产线快速上线。
• 完成TensorRT量化部署，单帧推理耗时由38ms降至21ms，满足产线实时节拍要求。

• 参与车载前视感知模块开发，负责车道线与车辆检测，高速场景召回率提升至96.8%。
• 构建多天气数据增强方案，雨雾场景误检率下降约30%，通过内部路测验收。

• 基于改进YOLOv8与注意力机制设计缺陷检测模型，mAP@0.5由82.1%提升至88.3%。
• 设计小样本增量训练方案，新品类冷启动样本需求减少60%，交付周期缩短一周。
• 完成边缘端部署与灰度上线，覆盖12条产线，年节省人工复检成本约80万元。

• 采用共享骨干网络实现检测与分割多任务联合训练，整体算力占用降低约25%。
• 引入知识蒸馏压缩模型参数量40%，精度损失控制在1个百分点以内。

研究方向为深度学习与图像识别，参与实验室视觉检测课题。

主修数据结构、数字图像处理、机器学习等课程，CET-6。