目标检索相关项目
1. 聚类哈希索引: 基于分类/聚类方法，通过对query和检索底库进行分类编码从而实现快速筛选；
2. 车辆/行人检索（参与） : 基于CNN网络实现车辆/行人特征提取，基于提取特征实现reid任务，包括后续特征压缩、量化实现reid多级检索；
3. 深度学习+ORB实现特征多级检索，包括对网络feature map的压缩量化；并使用基于位置相关性和匹配强度的Ransac方法优化ORB点匹配检索（使用于相同目标检索如酒标检索、视频版权等）；

特征相关算法
1. 特征压缩量化: 利用PCA、ITQ、deep hash等方法对提取原始深度特征进行压缩量化，包括PCA+ITQ代码实现（c++）以及Eigen+Cublas训练加速（速度提升约10倍），了解PQ、OPQ等特征编码算法；
2. 点特征编码: 基于GMM和Fisher vector的sift或orb等关键点特征进行编码，使得不同图像具有统一维度的特征表达；此外，针对orb实现方式进行改进，实现其尺度不变性以应对图像尺度变化问题；

人脸识别相关项目（负责）
1. 人脸识别算法: 人脸识别算法实现，熟悉常用的人脸识别方法，并基于监控场景人脸数据研发多模型人脸检索、多姿态人脸识别方案（准确率同比提升>10%，实际监控数据5%误报下top1命中86%，20W数据监控人证检索）；
2. 人脸检测、跟踪算法: 熟悉常用算法用于人脸/目标检测以及landmark检测矫正算法即实现；根据实际应用场景进行模型结构优化以及轻量级检测模型开发；结合人脸检测以及单目标跟踪实现人脸多目标跟踪，其中跟踪算法使用kcf或卡尔曼滤波，实现视频人脸的实时跟踪；
3. 移动端人脸算法移植: 基于NCNN框架实现人脸检测算法以及人脸识别算法移植工作，并完成包括人脸检测、人脸特征提取、人脸矫正的JNI接口实现，适配Android端应用开发；此外负责GTI芯片模型移植工作，包括caffe修改、量化训练、模型移植等；
4. 活体检测算法: 完成配合式、静默式、3D结构光活体检测算法实现，配合式基于人脸landmark的动作序列判定完成；静默式采基于深度网络，以二分类实现静默式活体检测；3D结构光以3D摄像头采集的红外、彩色、深度图为基础实现活体检测，采用深度特征实现（可以单模态或多模态）；
5. 人脸聚类算法: 以KNN+Graph为基础实现无监督特征聚类算法，包括离线聚类、在线聚类、子集聚类（配合分布式）开发等，并完成C++实现以及CUDA检索加速，百万数据离线聚类<15min（子集聚类4min），聚类准确率>85%;
6. 人脸质量评估: 分别基于传统方法和多任务学习方法（姿态、清晰度、光照）实现人脸质量评估算法，基于多任务学习方法可实现综合质量评估准确率>80%；
7. 人脸属性分析: 人脸属性( 年龄、性别、种族、遮挡等)分析任务，基于多标签/多任务学习，实现各属性准确率>85%；

基础算法开发
（主要负责论文专利阅读，算法原理公式推导，C++代码实现以及相应的测试、文档撰写工作）
1. EFD滤波器设计: Efficient flexible digital filtering，将两序列的卷积变换到差分与序列和的卷积，通过卷积核关键元素设定以及0元插入来实现卷积速度与卷积核大小不敏感这一性质。
2. Fast Eigen算法: 算法目的在于快速求解二阶实对称矩阵的特征值与特征向量，以便对大尺度图像进行快速处理。
3. Fast NMS算法: 快速非极大值抑制算法，使用Scan-Line和Quarter-Block Partitioning两种方法，与传统形态学方法相比其速率可提升一倍以上；
4. Color Edge算法: 彩色图像边缘提取算法，实为多通道图像梯度提取，通过将图像映射到向量空间，从而利用向量模函数（角度为自变量）来计算提取。
5. Circle Fitting算法: 实现测试Kasa、Pratt和Taubin三种代数拟合算法，其不同在于约束条件的改进；尝试将三种利用加权最小二乘方法进行改进如Huber、Bisquare；

OLED屏幕亮度矫正
搭建OLED显示屏在线Demura系统，主要负责图像采集，像素亮度提取、亮度数据处理以及检测系统搭建，通过对显示屏进行网格模型构建并应用图像算法精确获取每个像素显示状态，实现OLED矫正。