图像识别开发工程师简历

图像识别开发工程师简历模板使用便捷-高效-实用，高效提升求职效率，做高质量简历就用锤子简历。

.resume_main[data_color] .skill_item .skill_slider span::before{background-color:${color};} .resume_main[data_color] .skill_slider s i{background-color:${relative_skill_color};} .resume_main[data_color] .skill_style_01.skill_item .skill_slider s {border-color:${relative_skill_color};} .resume_main[data_color] .skill_style_01.skill_item .skill_slider s i{background-color:${relative_skill_color};} .resume_main[data_color] .skill_style_04.skill_item .skill_slider[data_level="average"] i,.resume_main[data_color] .skill_style_07.skill_item .skill_slider[data_level="average"] i{box-shadow:24px 0 0 ${relative_skill_color}, 48px 0 0 #ccc, 72px 0 0 #ccc, 96px 0 0 #ccc, 120px 0 0 #ccc;} .resume_main[data_color] .skill_style_04.skill_item .skill_slider[data_level="good"] i,.resume_main[data_color] .skill_style_07.skill_item .skill_slider[data_level="good"] i{box-shadow:24px 0 0 ${relative_skill_color}, 48px 0 0 ${relative_skill_color}, 72px 0 0 #ccc, 96px 0 0 #ccc, 120px 0 0 #ccc;} .resume_main[data_color] .skill_style_04.skill_item .skill_slider[data_level="advanced"] i,.resume_main[data_color] .skill_style_07.skill_item .skill_slider[data_level="advanced"] i{box-shadow:24px 0 0 ${relative_skill_color}, 48px 0 0 ${relative_skill_color}, 72px 0 0 ${relative_skill_color}, 96px 0 0 #ccc, 120px 0 0 #ccc;} .resume_main[data_color] .skill_style_04.skill_item .skill_slider[data_level="expert"] i,.resume_main[data_color] .skill_style_07.skill_item .skill_slider[data_level="expert"] i{box-shadow:24px 0 0 ${relative_skill_color}, 48px 0 0 ${relative_skill_color}, 72px 0 0 ${relative_skill_color}, 96px 0 0 ${relative_skill_color}, 120px 0 0 #ccc;} .resume_main[data_color] .skill_style_08.skill_item .skill_slider[data_level="average"] i{box-shadow:9px 0 0 ${relative_skill_color}, 18px 0 0 ${relative_skill_color}, 27px 0 0 ${relative_skill_color}, 36px 0 0 ${relative_skill_color}, 45px 0 0 ${relative_skill_color},54px 0 0 #ccc,63px 0 0 #ccc,72px 0 0 #ccc,81px 0 0 #ccc;} .resume_main[data_color] .skill_style_08.skill_item .skill_slider[data_level="good"] i{box-shadow:9px 0 0 ${relative_skill_color}, 18px 0 0 ${relative_skill_color}, 27px 0 0 ${relative_skill_color}, 36px 0 0 ${relative_skill_color}, 45px 0 0 ${relative_skill_color},54px 0 0 ${relative_skill_color},63px 0 0 #ccc,72px 0 0 #ccc,81px 0 0 #ccc;} .resume_main[data_color] .skill_style_08.skill_item .skill_slider[data_level="advanced"] i{box-shadow:9px 0 0 ${relative_skill_color}, 18px 0 0 ${relative_skill_color}, 27px 0 0 ${relative_skill_color}, 36px 0 0 ${relative_skill_color}, 45px 0 0 ${relative_skill_color},54px 0 0 ${relative_skill_color},63px 0 0 ${relative_skill_color},72px 0 0 #ccc,81px 0 0 #ccc;} .resume_main[data_color] .skill_style_08.skill_item .skill_slider[data_level="expert"] i{box-shadow:9px 0 0 ${relative_skill_color}, 18px 0 0 ${relative_skill_color}, 27px 0 0 ${relative_skill_color}, 36px 0 0 ${relative_skill_color}, 45px 0 0 ${relative_skill_color},54px 0 0 ${relative_skill_color},63px 0 0 ${relative_skill_color},72px 0 0 ${relative_skill_color},81px 0 0 #ccc;} .resume_main[data_color] .hobby_item .hobby_item_con .hobby_item_list a.alifont{border-color:${relative_hobby_color};color:${relative_hobby_color}; } /* �� */ .resume_main[data_color] .resume_cover .cover_html svg [data-svg="fill"] {fill:${color};} .resume_main[data_color] .resume_cover .cover_html svg [data-svg="stroke"] {stroke:${color};} .resume_main[data_color] .resume_letter .letter_html svg [data-svg="fill"] {fill:${color};} .resume_main[data_color] .resume_letter .letter_html svg [data-svg="stroke"] {stroke:${color};} .resume_main[data_color] .resume_letter .letter_html svg [data-fill="fill"] {fill:${color};} .resume_main[data_color] .resume_cover[data-type="07"] .resume_cover_avatar{border-color: ${color};} .resume_main[data_color] .resume_cover[data-type="07"] .resume_cover_content{background:${color}} .resume_main[data_color] .resume_cover[data-type="07"] .cover_item_list a.alifont{color: ${color};} .resume_main[data_color] .resume_cover[data-type="08"] .resume_cover_content::after{background:${color}} .resume_main[data_color] .resume_cover[data-type="09"] .resume_cover_content{background:${color}} .resume_main[data_color] .resume_cover[data-type="09"] .cover_item_list a.alifont{color: ${color};} .resume_main[data_color] .resume_cover[data-type="10"]{background-color:${color}} .resume_main[data_color] .resume_cover[data-type="11"] .resume_cover_content{background-color:${color}} .resume_main[data_color] .resume_cover[data-type="14"]{background-color:${color}} .resume_main[data_color] .resume_cover[data-type="15"]{background-color:${color}} .resume_main[data_color] .resume_cover[data-type="19"] .resume_cover_word::before{background-color:${color}} .resume_main[data_color] .resume_cover[data-type="20"]{background-color:${color}} .resume_main[data_color] .resume_letter[data-type="06"]{background-color:${color}} .resume_main[data_color] .resume_letter[data-type="12"]{background-color:${color}}

 头像: 隐藏

编辑

["sex","age","nation","education","marriageStatus","politicalStatus","city","jobYear","mobile","email"]

 基本信息: 女

28岁



本科

未婚

中共党员



4年经验

13800138000

BD@100chui.com

 姓名: 锤子简历

梦想每个人都有，但不是每个人都有勇气去坚信，我有!

 求职意向: 
图像识别开发工程师


广州


面议


随时到岗

 教育背景: 2014.09 - 2018.06

锤子简历大学

计算机与信息技术

GPA：3.72/4（专业前10%） GRE：324

 工作经验

2019年12月 - 至今

锤子简历信息有限公司

图像识别开发工程师

基础的图像卷积模块优化，通用于图像预处理;对比患者的影像图片，进行图像匹配。
对于肿瘤图形的对比匹配图像分割的相关算法的研究。
定位目标区域的动态轮廓匹配算法研究，对图像清晰度进行研究，工业检测AO，使用halcon检测车载显示屏缺陷。
对公司整体模型调参算法开发，用Python编写项目中需要的功能性模块。
根据采集到的数据挑选最优的数学模型初步进行拟合操作绘制图像。
用Opencv对图像进行数据预处理(如图像裁剪，降噪，数据增强等)，运用matplotib绘制分析参数的曲线，优化模型，选择最优参数。

2018年3月 - 2019年12月

锤子简历科技有限公司

图像识别开发工程师

在Ubuntu上搭建ROS操作系统，并搭建MOOE导航系统;
开发基于激光雷达的SLAM导航、路径规划、运动控制、智能交管系统等算法，并维护及优化;
利用图像识别开发机器人底盘自主充电程序、小车识别栈板并运动顶起栈板程序;
编写shell脚本对Linux系统及程序进行管理控制;
负责图像识别开发工作，参与物体检测神经网络搭建及调测;

 项目经验

2021年3月 - 2021年11月

项目工程

图像识别开发工程师

将两张同源的超声图像通过图像特征点进行匹配。
使用harrislaplace进行金字塔式寻找角点。
使用两个卷积，x和y方向的二维高斯一介导数，即达到降噪和寻找梯度的作用。
求局部最大值，即特征点，对相同位置的金字塔中的特征点，使用laplace局部最大值，即特征点所描述的范围。使用SIFT描述子来描述特征点的特征。
在harris中求得的方向，在该方向上取laplace描述的范围的矩形窗口。
将窗口分为4*4的小窗口，每个窗口分为8个方向求HOG，得到128维的特征向量，使用Hungarian方法进行bipartitematch进行两两匹配，使用RANSAC筛选处于同个仿射变换的匹配。

 自我评价: 本人对待工作踏实，认真，并且极富工作和团队精神，因此在工作和生活中结交了许多朋友，具有良好的适应性和熟练的沟通技巧，相信能够协助主管人员出色地完成各项工作。综合素质佳，能够吃苦耐劳，忠诚稳重坚守诚信正直原则，感谢您在百忙之中阅览我的简历，静候佳音！