-
Notifications
You must be signed in to change notification settings - Fork 0
Commit
This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.
Showing
1 changed file
with
14 additions
and
13 deletions.
There are no files selected for viewing
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
| Original file line number | Diff line number | Diff line change |
|---|---|---|
|
|
@@ -10,7 +10,7 @@ | |
| - 政治面貌：共青团员 | ||
| - 毕业院校 ：南华大学 | ||
| - 学历：硕士 | ||
| - 电子简历地址：https://gecko.org.cn/resume | ||
| - 电子简历地址：[https://gecko.org.cn/resume](http://keeper-jie.github.io/) | ||
|
|
||
| ## 教育背景 | ||
| ### 全日制专业学位硕士（计算机技术） | ||
|
|
@@ -23,28 +23,29 @@ | |
|
|
||
| ## 工作经历 | ||
| ### 高级计算机视觉算法工程师 | ||
| **杭州杰峰软件有限公司** 2022-12 - 至今 | ||
| - 开发并优化人脸检测算法（使用RTMDet） | ||
| - 开发并优化人体检测算法 | ||
| - 开发并优化跌倒检测算法（YOLOv8图片检测+YOLOv8-pose + STGCN 行为识别） | ||
| **杭州杰峰软件有限公司** 2023-12 - 至今 | ||
| - 开发并优化跌倒检测算法（基于图片使用YOLOv8） | ||
| - 开发并优化跌倒检测算法（基于视频使用YOLOv8 + 自定义IOU tracker跟踪 + MLP判断是否跌倒） | ||
| - 开发并优化玩手机检测算法（基于图片使用YOLOv8） | ||
| - 开发并优化吸烟检测算法（基于图片使用YOLOv8） | ||
|
|
||
| ### 计算机视觉算法工程师 | ||
| **浙江力嘉科技有限公司** 2022-7 - 2022-11 | ||
| **浙江力嘉科技有限公司** 2022-7 - 2023-11 | ||
| - 负责**大货车非法加装强光灯检测项目**的需求调研 + 数据标注 + 模型训练 + 模型验证 + 模型部署 + 误检漏检数据重训练 | ||
| - 负责**非机动车闯红灯检测跟踪项目**的需求调研 + 数据标注 + 模型训练 + 模型验证 + 模型部署 + 误检漏检数据重训练 | ||
| - 负责与浙大博士团队进行项目有关的沟通协调 | ||
|
|
||
| ## 项目 | ||
| ### 大货车非法加装强光灯检测项目 | ||
| - 项目效果展示URL：https://gecko.org.cn/project | ||
| - 目标：实时获取海康平台Kafka流大货车过车图片URL，检测是否非法加装强光灯 | ||
| - 项目效果展示URL：[https://gecko.org.cn/project](http://117.72.86.52/project/) | ||
| - 目标：实时获取海康平台Kafka流中大货车过车图片URL，检测此图片是否有非法加装的强光灯 | ||
| - 解决方案：使用Python获取Kafka流数据，实时发送给YOLOv6 Flask集群进行检测（将Pytorch model转为OpenVINO IR部署在`Intel Xeon Gold 5218R [email protected]`上），将最后结果发送给MQTT服务器并存储MySQL | ||
| - 结果：程序19：00 - 5：00开启，每日图片吞吐量为2500+，准确率95%+，召回率66%+，F1值为0.79，平均识别时间0.3秒/每张图片（原先方案使用Pytorch model为0.6秒/每张图） | ||
|
|
||
| ### 非机动车闯红灯检测跟踪项目 | ||
| - 项目效果展示URL：https://gecko.org.cn/project | ||
| - 目标：根据视频流检测非机动车并跟踪，结合当前红灯情况判断是否闯红灯 | ||
| - 解决方案：OpenCV实时获取视频RTSP流，使用YOLOv8间隔帧检测并跟踪非机动车，根据配置的左转、直行、右转红灯区域使用ResNet18进行检测，保存闯红灯照片（包含轨迹），发送JSON数据给MQTT服务器并存储MySQL | ||
| - 解决方案：OpenCV实时获取视频RTSP流，使用YOLOv8间隔帧检测并跟踪非机动车，根据配置的左转、直行、右转红灯区域使用自定义ResNet18进行检测，保存闯红灯照片（包含轨迹），发送JSON数据给MQTT服务器并存储MySQL | ||
| - 结果：在3台服务器共14张NVIDIA T4上部署项目监控50路视频，红灯检测0.03秒/每帧，YOLOv8检测跟踪0.05秒/每帧，内存占用3G/每路，显存占用1.5G/每路，带宽4M/每路，准确率94%+ | ||
|
|
||
| ## 资格证书 | ||
|
|
@@ -54,12 +55,12 @@ | |
|
|
||
| ## 技能 | ||
| - 图像分类 | ||
| - 图像检测（RTMDet, YOLOv8, YOLOv5, YOLOv6） | ||
| - 行为识别（YOLOv8-pose + STGCN） | ||
| - 图像检测（YOLOv8, YOLOv5, YOLOv6） | ||
| - 行为识别（数据清洗 + 自定义dataloader + 自定义模型 + 训练 + 验证 + 推理 + 数据可视化） | ||
| - OpenCV | ||
| - Pytorch | ||
| - Python/JAVA/PHP/C/C++ | ||
| - 熟悉图像检测流程（收集图片-》Labelme/LabelImg打标-》模型训练-》模型验证-》模型部署-》误检图片收集重训练） | ||
| - Python/JAVA/PHP | ||
| - 熟悉图像检测项目流程（收集图片-》Labelme/LabelImg/CVAT打标-》模型训练-》模型验证-》模型部署-》误检图片收集重训练） | ||
| - 熟悉视频流检测跟踪流程（获取视频流-》检测-》跟踪-》处理） | ||
|
|
||
| ## 语言 | ||
|
|
||