熟悉 C++/Python 等开发语言，代码风格规范，注重健壮性与可维护性。
2. 熟悉常用的数据结构、设计模式。
3. 熟悉高通 camera CamX-Chi 架构，具备算法快速集成与调试能力（feature1 & feauture2）。
4. 了解 Camera 驱动流程与调试方法，了解从 Sensor 到 Framework 的数据链路。
5. 具备分析 camera 性能、稳定性的能力。
6. 熟悉主流深度学习网络（YOLO、ResNet、Transformer 等），可独立完成数据增强、模型训练与部署优
化。
沟通能力
1. 具备清晰高效的跨团队沟通能力，能快速澄清需求并推动方案落地。
2. 注重结构化表达与反馈闭环，提升协作效率。
3. 能在多方角色（产品/算法/驱动/测试）之间准确传递技术要点。
基于高通 SNPE 的模型部署到色选机项目
1. 图像采集，利用 camera 设备采集 2600 张茶叶（640*640），并标注 13 中茶叶类别。
2. 数据增强，利用数据平移、缩放和仿射变换，扩充数据集。
3. 利用 Yolov5 算法进行模型训练。
4. 利用 SNPE 进行模型进行模型转换和量化，因为 SNPE dsp 不支持 5D 算子，在部署时实现 5D 算子。
5. 使用 OpenCV 读取和预处理图片。
6. 通过 SNPE 加载并推理 YOLOv5 模型（.dlc 格式）。
7. 对推理结果进行后处理，得到检测框和类别。
项目结果：DSP 上推理速度达到 35fps,准确率达到 89.87%，相对提高 5%。
SOM 平台 AI 性能推理评测工作
对于公司生产的基于高通平台的十余种 SOM 进行全方位的评测工作。
1. 常见的 AI 模型(如 Yolo 系列，Alexnet，VGG 等)在高通平台上 CPU\GPU\DSP 的评测。
2. 与友商产品、英伟达 Jetson 系列产品进行 AI 能力的对标工作。
基于高通 SNPE 的模型部署到色选机项目
1. 图像采集，利用 camera 设备采集 2600 张茶叶（640*640），并标注 13 中茶叶类别。
2. 数据增强，利用数据平移、缩放和仿射变换，扩充数据集。
3. 利用 Yolov5 算法进行模型训练。
4. 利用 SNPE 进行模型进行模型转换和量化，因为 SNPE dsp 不支持 5D 算子，在部署时实现 5D 算子。
5. 使用 OpenCV 读取和预处理图片。
6. 通过 SNPE 加载并推理 YOLOv5 模型（.dlc 格式）。
7. 对推理结果进行后处理，得到检测框和类别。
项目结果：DSP 上推理速度达到 35fps,准确率达到 89.87%，相对提高 5%。
SOM 平台 AI 性能推理评测工作
对于公司生产的基于高通平台的十余种 SOM 进行全方位的评测工作。
1. 常见的 AI 模型(如 Yolo 系列，Alexnet，VGG 等)在高通平台上 CPU\GPU\DSP 的评测。
2. 与友商产品、英伟达 Jetson 系列产品进行 AI 能力的对标工作。
评论