proginn0909594991
全职 · 300/日  ·  6525/月
工作时间: 工作日09:00-20:00、周末09:30-14:00工作地点: 远程
服务企业: 0家累计提交: 0工时
联系方式:
********
********
********
聊一聊

使用APP扫码聊一聊

个人介绍

本人对计算机视觉领域充满热情,并对前沿算法研究与创新抱有浓厚兴趣,尤其关注计算机视觉算法的落地与应用。已将多个计算

机视觉相关的项目代码开源于 GitHub 仓库,欢迎访问我的主页了解更多:https://github.com/Airex-ai.

工作经历

  • 2024-05-15 -2024-11-19武汉港迪智能技术有限公司(上市公司)算法工程师

    环境安装、设备测试等工作内容: 1. 执行相机对焦距离测试、视频流获取、焦距测量及高精度标定,确保传感器数据的准确性。 2. 负责开发机及开发板的基础环境配置,包括 ROS2、C++ 开发环境和 Ubuntu 操作系统安装与问题修复。 3. 执行数据集的验收、筛选、组织和调整,保障数据质量满足算法训练需求。 4. 完成 NVIDIA Jetson 开发板的环境安装、刷机、测试及系统升级,解决环境冲突,并形成标准化部署文档。 5. 堆开发板 C++ 版本检测算法进行多维度性能对比测试,撰写推理性能报告,评估不同模型及参数配置的影响。 算法研究工作内容: 1. 基于 TensorRT 框架实现多种 C++ 版本检测算法,研究验证 TensorRT 与 ONNX Runtime 在嵌入式平台上的推理性能差异。 2. 利用 YOLO 系列模型训练关键点检测网络,实验分析图像变量和模型架构选择对模型精度的影响,寻求最优配置。 3. 对 Depthanythingv2 代码进行测试和分析,研究不同训练数据的影响,开发模型转换工具,汇总性能指标,探索替代算法。

教育经历

  • 2022-09-01 - 2025-06-01武汉工程大学人工智能硕士

  • 2018-09-01 - 2022-06-01武汉工程大学网络空间安全本科

技能

Torch
0
1
2
3
4
5
0
1
2
3
4
5
作品
基于联邦学习和差分隐私的人脸识别系统研究

随着人脸识别技术在智能安防、金融支付等隐私敏感场景的大规模部署,传统集中式训练模式导致的用户数据泄露风险成为技术发展的主要瓶颈。本文提出一种基于联邦学习与差分隐私的混合架构人脸识别系统。通过构建支持非独立同分布(Non-IID)数据的联邦学习框架,结合动态隐私预算管理策略,在保护用户数据隐私的同时提升模型泛化能力。实验结果表明,在 Olivetti 人脸数据集上,系统在 ε=1.0 的隐私预算下达到 92.3% 的准确率,较传统联邦学习方法提升 4.7%,验证了隐私保护与模型性能的高效平衡。

0
2025-05-20 13:01
下载次数:0
¥1000
更新于: 05-20 浏览: 8