赵锦辛

1. 基于深度学习的图像识别系统 项目背景：为某电商平台设计商品图像分类模型，提升商品检索效率。 技术栈：Python、PyTorch、ResNet、Transformer、数据增强（Augmentation）、模型压缩。 核心工作： - 数据处理：清洗20万张商品图像数据集，使用OpenCV进行预处理，通过MixUp、CutOut等技术增强数据多样性； ​ - 模型优化：对比ResNet、ViT等模型，最终采用改进的Swin Transformer架构，在测试集上准确率从82%提升至91%； ​ - 部署落地：将模型转换为ONNX格式，集成至Flask服务，响应时间缩短30%。 成果：模型上线后，商品检索准确率提升15%，用户点击率增长10%。