Z1234567890
1月前来过
全职 · 1000/日  ·  21750/月
工作时间: 工作日09:00-18:00工作地点: 远程
服务企业: 2家累计提交: 1工时
联系方式:
********
********
********
聊一聊

使用APP扫码聊一聊

个人介绍

姓名:张宇辉性别:男 电子邮件welcomezyh@163.com华南理工大学电信学院博士后电话: *专业特长:软件开发:熟悉LINUX/UNIX C++;VIRUAL C++; Python;Tensorflow等计算机软件、语言。硬件开发:擅长基于FPGA、arm等嵌入式硬件开发,精通VHDL, VERILOG HDL语言,熟悉Xilinx vivado, vitis, ALTERA QUARTUS II精通模式识别,图像识别, 智能机器人等专业知识熟悉通信,机械设计和自动化控制专业知识熟悉高等数学如数学分析,高等代数,概率论,随机过程,常微分方程、随机微分方程等

工作经历

  • 2019-07-02 -2020-10-06JIFU technology companyAI算法工程师

    基于卷积神经网络的医疗图像分类识别 胶囊内窥镜是现代消化道检查的主要手段,本项目将AI深度学习方法应用于胶囊内窥镜图像分类识别,其中包括对各种小肠病灶的分类识别和对消化道各部位的分类识别,在IOU达到75%,小肠病灶的分类识别精确率达到99%,召回率达到98%。

  • 2018-05-08 -2019-07-01深圳古安泰自动化技术有限公司AI算法工程师

    双目测距

  • 2016-09-06 -2018-05-07深圳智慧车联科技有限公司AI算法工程师

    1.基于卷积神经网络的交通标示识别 本项目采用tensorflow架构来构建了一个包含7个隐藏层的卷积神经网络。输入层包含3个颜色通道的48x48尺寸大小的输入图像或者是一个48x48大小的灰度图像。输出层包含43个神经元代表43个交通标示。 2. SLAM

  • 2015-10-12 -2016-09-05深圳市天盈光电科技发展有限公司AI算法工程师

    红外图像处理, 目标识别跟踪

  • 2012-09-01 -2015-07-01华南理工大学博士后

    基于深度学习的图像识别算法研究 主要工作包括: 1.将深度学习和支持向量机相结合,将多个限制性玻尔兹曼机与SVM 连接构建多层分类模型,用深度学习的方法提取样本特征,然后用SVM 方法进行分类,并将其应用到图像识别任务中。 2.通过交替进行无监督和有监督学习来训练网络。

教育经历

  • 2006-09-01 - 2008-07-01华南理工大学信息与通信工程硕士研究生

    驾驶员疲劳检测系统 本项目研究一种基于机器视觉与 PERCLOS 疲劳判定算法相结合的嵌入式疲劳驾驶检测方法,并将其移植到嵌入式 Linux操作系统,实现了车载、非接触、低功耗等要求,同时保证了检测的实时性和高效性。

技能

图像算法
AI
C# C++
fpga开发
xilinx zynq/altera fpga开发
0
1
2
3
4
5
0
1
2
3
4
5
作品
手势识别跟踪

识别跟踪手势

0
2020-10-12 23:43
ADAS智能驾驶辅助系统

先进驾驶辅助系统(Advanced Driver Assistance System),简称ADAS,是利用安装于车上的各式各样的传感器, 在第一时间收集车内外的环境数据, 进行静、动态物体的辨识、侦测与追踪等技术上的处理, 从而能够让驾驶者在最快的时间察觉可能发生的危险, 以引起注意和提高安全性的主动安全技术。包括导航与实时交通系统TMC,电子警察系统ISA (Intelligent speed adaptation或intelligent speed advice)、车联网(Vehicularcommunication systems)、自适应巡航ACC(Adaptivecruise control)、车道偏移报警系统LDWS( Lanedeparture warning system)、车道保持系统(Lanekeep assistance),碰撞避免或预碰撞系统(Collision avoidance system或Precrash system)、夜视系统(Night Visionsystem)、自适应灯光控制(Adaptivelight control)、行人保护系统(Pedestrian protectionsystem)、自动泊车系统(Automatic parking)、交通标志识别(Traffic sign recognition)、盲点探测( Blind spot detection) ,驾驶员疲劳探测(Driverdrowsiness detection)、下坡控制系统(Hill descentcontrol)和电动汽车报警(Electric vehicle warningsounds)系统。

0
2020-10-12 23:43
医疗图像分类识别

胶囊内窥镜是现代消化道检查的主要手段,本项目将AI深度学习方法应用于胶囊内窥镜图像分类识别,其中包括对各种小肠病灶的分类识别和对消化道各部位的分类识别。这些小肠病灶图像总共70万多张,其中包括静脉异常、结节、肿块、息肉、红斑点、白斑、腐烂、溃疡、阿弗他、憩室、颗粒状、发红、异常绒毛、苍白、钩虫、血液等等。本项目所用的AI深度学习方法是卷积神经网络FASTER-RCNN,在IOU达到75%,小肠病灶的分类识别精确率达到99%,召回率达到98%。

0
2020-10-12 23:42
更新于: 2020-10-12 浏览: 468