chunlei丿

• UID:19896

综合评分 38

方向：人工智能-计算机视觉与图像处理、人工智能-数据标注和训练支持

长沙市

500元/8h

1年经验

求职意愿：接单·考虑求职(3天前更新)

个人简介

1、熟悉Python、Java，了解C++，熟练使用PyTorch 以及PaddlePaddle，熟悉OpenCV图像处理库的使用 2、熟悉多种计算机视觉任务数据集构建与标注 3、能够独立完成数据集构建、模型设计、训练、优化以及部署流程，独立完成多项计算机视觉项目 4、熟悉ONNX、ONNXRuntime以及OpenVINO，熟悉OpenVINO模型量化部署 5、熟悉图像分类、目标检测、语义/实例分割、基于CGAN的图像生成等视觉任务 6、熟悉OCR识别，包括文本检测、文本识别、SER语义实体识别 7、具备较好的学习能力与源码阅读能力，能够基于开源工具快速搭建模型训练与评估，并在此基础上进行模型修改与调优 8、具备良好的科研素养和创新能力，已发表CCF A类论文一篇，在投SCI论文一篇，授权三项专利

技能

核心技能： Python、PyTorch、PaddlePaddle

其他技能： OpenCV、ONNX Runtime、Java

交流语言：普通话（母语水平）、英语（无需工具可书面交流）

行业经验：人工智能、农业、医疗健康

项目案例

基于0.5米Google卫星影像的地块级别耕地提取

该项目目标是基于免费的0.5米Google卫星影像实现地块级别耕地提取，用于公司内部遥感测绘领域，替代人力勾画，并且要求具备较高的检测精度。用户输入数据为无人机或免费的天地图或Google卫星等影像，范围一般为村级，输出要求为该村的地块级别耕地信息，形式为shapely文件

农业

协议/证明文件识别

项目需求包括判断文件图像属于什么类型的文件（标题识别），以及判断文件是否需要签字，如果需要签字则还需要判断是否签字，以及判断是否盖章，从而实现文件信息自动化核查。以接口的形式部署为服务器接口供网站端以及app端调用，模型输入为图像的base64编码，结果以json形式返回

人工智能农业

轻量级实时医学图像分割算法研究

该项目致力于在提高现有医学图像分割模型的实时高效性、适应不同数据的能力，在提高现有医学图像分割模型性能的同时降低其计算量和参数量。并完成相关文档撰写，论文及专利转化。在 Intel 酷睿i5 CPU、1000×1000分辨率图像上不做任何推理加速处理的模型推理时间为168ms左右，分割准确性相对于现有模型进一步提高。自研的上采样与下采样策略在其它模型上均能达到约1%以上的性能提升，具备很好的即插即用能力

医疗健康人工智能

户口本及营业执照识别

该项目的主要需求为实现户口本以及营业执照上所有信息的准确识别，同时保证识别速度，通过Flask部署为服务接口，供网站以及app端调用。用户拍照或上传包含户口本以及营业执照的图片，服务器端接受base64编码，模型推理后返回json形式的解析结果

人工智能

工作经历

湖南盛鼎科技发展有限责任公司

50-200人

算法工程师

2024.07 - 2025.10

1、负责视觉处理类AI项目从数据处理到模型框架选择、训练、调优以及部署全流程研发或开发 2、遥感类图像分析领域算法研发，优化算法性能，提升图像处理的准确性与效率 3、农业APP相关智能识别算法精度提升 4、二轮延保实施过程中OCR识别相关功能开发，确保识别精度和可靠性，满足使用需求 5、指导并培养新入职员工