项目1:前视2D目标检测 2020年11月 – 至今

担任角色:项目负责人

项目内容:对车载前视场景中的目标(机动车、非机动车、行人、交通标志等)进行检测,负责模型开发,成

功落地到公司自研芯片和其他芯片中,持续进行版本优化迭代,解决项目中遇到的痛点和难点(量化误差偏大、检测框稳定性、类别切换、边框漂移、误检和漏检等bad-case问题),跟进目标检测前研进展,落地到实际项

目中。

项目成果:模型成功应用在零跑T03/C11/C01等车型上,通过xx万公里路测,对标友商有明显优势

◆ 项目2:新平台舱外算法开发&旧平台舱外算法升级 2022年7月 – 至今

担任角色:舱外算法组长/前视多任务模型开发优化负责人

项目内容:基于新平台TDA4芯片特性,制定开发技术路线,带领舱外团队开发包括前视2D目标检测和车道

线检测多任务模型,车尾多任务模型4合一,细分类多任务模型4合一, 盲区目标检测模型4合一。解决多

任务训练、四合一训练存在的诸多问题。基于公司自研芯片的老平台,把控整个舱外算法版本计划,根据实际

业务需求,指导整个舱外算法进行持续迭代升级。

项目成果:新平台成功部署在零跑中高端车系上,整体效果优于之前公司自研芯片上的效果,带领团队迅速成

长。老平台算法持续迭代升级,支持零跑汽车实现NOA功能的L3级别自动驾驶。前视多任务模型重点优化车

道线分支的检出和误检,道路边界分支关键点的准确性,并利用半监督技术实现数据集的初步同源。

◆ 项目3:单目3D目标检测算法开发与优化 2020年3月 – 2020年11月

担任角色:项目负责人

项目内容:基于1阶段前视2D目标检测提供的检测框,实现车尾、朝向回归和关键点检测,制定更加合理的车

尾框标注规则,实现高精度稳定的车尾回归,通过检测机动车前后轮与地面接触点,更好地确定车辆位置和行

驶方向。

项目成果:实现低成本单目3D方案,车尾宽度误差3%以内,角度误差3°左右,为后续实现高精度的测距提

供有力支持。

◆ 项目4:第2阶段边框精调与分类 2019年7月 – 2020年3月

担任角色:项目负责人

项目内容:基于1阶段前视2D目标检测提供的检测框,进行2阶段的目标边框精调、正负样本判断。

项目成果:改进roipooling和改进smooth L1,实现更高精度的回归。并在一定程度抑制第1阶段产生的误检,

map50提升0.87个点,map80提升1.2个点,并通过在线实时目标框筛选降低第2阶段的推理耗时。

项目1:工人安全帽佩戴识别 2019年5月 – 2019年6月

担任角色:项目负责人

项目内容:将抓拍出来的工人人脸图片分为戴安全帽和不带安全帽两类,并进行清洗、剪裁,利用tensorflow

构建卷积神经网络进行量化训练、调优及部署。

项目成果:成果应用在工地人脸识别终端,5W测试集上precision达到0.998,recall达到0.996,反馈良好。

◆ 项目2:AI硬件平台的评估与算法落地 2018年4月 – 2019年5月

担任角色:项目负责人

项目内容与成果:

1、基于深鉴DPU-800开发板,对人脸检测算法进行性能测试及移植优化。协同深鉴的技术支持,解决模型转

换编译过程中遇到的问题,完成人脸检测模型(rpn+stage2)在DPU-800上的移植和优化工作。

2、基于比特大陆BM1682,完成人脸识别和目标检测算法的模型转换、耗时测试、精度验证及工程化。

3、基于寒武纪MLU100,完成视频结构化demo的移植工作。将视频结构化demo中检测与跟踪所需的ssd、

stage2和resnet模型,利用MLU100提供的转模型工具进行模型编译与定点话,编写测试用例测试三个模型编译

与定点化之后的精度损失。

◆ 项目3:神经网络压缩算法的调研 2018年7月 – 2019年3月

担任角色:项目负责人

项目内容与成果:

调研现在神经网络压缩算法,使得模型在算力受限的移动端运行。评估可行性。确定了基于tensorflow量化训

练的方案和基于tensoRT直接量化的方案,量化人脸识别相关模型用于RK3288平台。

根据我司基于caffe框架实现的人脸相关算法,利用tensorflow框架复现,并进行量化训练。

量化训练的模型包括人脸特征点定位模型、活体识别模型、质量判断模型和人脸识别模型。解决模型在不同框

架训练及部署中存在的各种问题,对模型结构和训练策略做一些适应性改进。

tensorflow训练的人脸识别和质量判断量化模型准确性均优于caffe训练的浮点模型,活体和特征点定位的量

化模型准确性基本浮点模型一致,量化模型大小减少了4倍,在RK3288上速度提升了2X左右