Torch
0
1
2
3
4
5
开发全职 · 300/日 · 6525/月信用一般
工作时间: 工作日08:00-18:30、周末08:00-17:00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
工作经历
2023-06-01 -2025-07-01重庆智能科技公司开发
在深度学习领域，我具备扎实的理论基础和丰富的实践经验。系统学习了神经网络、卷积神经网络（CNN）、循环神经网络（RNN）、Transformer等核心架构，深入理解反向传播、梯度下降、正则化等关键算法原理。通过参与多个实际项目，熟练掌握了PyTorch和TensorFlow框架，并实现了包括车牌识别、图像分类、目标检测在内的多个计算机视觉任务。 在车牌识别项目中，我基于YOLOv5/YOLOv8架构进行模型训练和优化，通过数据增强、迁移学习等技术提升了模型在复杂场景下的鲁棒性。此外，我还探索了注意力机制、模型轻量化等前沿技术，将识别准确率提升至95%以上。同时具备模型部署经验，能够使用ONNX、TensorRT等工具实现模型优化和加速。 持续关注深度学习领域最新进展，定期复现顶级会议论文，并通过Kaggle等平台不断磨练实战能力。善于针对具体问题设计网络结构，调参优化，具备较强的算法实现和问题解决能力。
教育经历
2023-08-31 - 2026-06-30重庆理工大学计算机应用硕士
技能
作品
本代码基于YOLO（You Only Look Once）算法实现了高效的车牌识别系统。YOLO作为单阶段目标检测模型，通过卷积神经网络同时预测边界框和类别概率，显著提升了检测速度。系统首先利用YOLO模型定位图像中的车牌区域，随后通过OCR技术识别车牌字符。实验表明，该方案在复杂场景下仍能保持较高的准确率和实时性，平均识别精度达90%以上，单帧处理时间低于50ms。该方法克服了传统车牌识别算法受光照、角度影响的缺陷，为智能交通、车辆管理等应用提供了可靠的技术支持。
02025-06-17 14:41
