职责:智驾感知算法负责人,带12人团队,负责感知模型的训练和部署。
1 在HWA(2V)功能中负责感知模型,设计多任务模型,检测车道线、车辆、交通标志等目标,并转
换到BEV坐标系下,确保高准召率和位置精度,为下游路径规划模块提供输入。在高速路测中,接
管次数<1/500公里。
2 在APA(4V1R)功能中负责感知模型,设计多任务模型,检测车位角点、障碍物接地点、可行驶区
域、车位线等目标,为下游融合模块提供输入,各要素检测的准召率和位置精度都达到量产标准。
3 在DMS(1V)功能中负责视线估计模型,(1)使用双目相机、激光测距仪和棋盘格标定板搭建一套
双目视线落点坐标采集系统,(2)设计多任务模型,估计视线角度和落点分区,角度误差和准确率
都达到量产标准。
4 维护DPNN(公司自研)框架,封装TensorRT@Orin, SNPE@8155, IFX@CPU(公司自研)推理
引擎的C++接口,并解决DNN模型在8155上量化、部署中遇到的问题。

职责:图像方向负责人,带6人团队,负责图像技术对橙心业务的赋能。
1 为橙艺商品图制作平台提供一键抠图算法,从供应商上传素材中生成商品图,周调用量2K,设计
同事反馈抠图效果优于阿里鹿班。
2 提供OCR算法服务,解决橙心运营中的一些难题,包括:供应商自主导入项目中营业执照和食品
经营许可证识别,竞对信息截屏识别,智子海报敏感词过滤,竞对卡片截屏识别等,周调用量
10M,上报BadCase个位数。
3 提供图像检索算法服务,解决橙心运营中的一些难题,包括:智子头像匹配,冻品资质认证等,
PR都大于99.3%,周调用量26M。
4 提供图像分类算法服务,提升售后部门的效率,可处理 200 个商品类别,抽样测试中分类准确率
为 95%,工单驳回准确率为 80%,通过准确率为 85%,日调用量80K。

1 路口实景图。此项目目的是使用行车记录仪的采集图像,用低成本的技术手段刻画路口场景,
(1)在单次采集中,检测交通要素,包括:交通标志牌、电子眼、导向箭头、红绿灯、锥桶等, 分
割地面标线,包括:车道线、栅栏、人行道、导流区、禁停区等;(2)使用SLAM重建路口场景,
得到每一幅图像的R/t,使用 DBSCAN 把多批次交通元素合并起来,挑选重建误差 小的批次构建
路口场景。交通要素检测和地面标线分割对地图数据更新有显著收益,三维重建成功率较低,需要
人工校正后才能制作实景图。该方案是部门HD-产线的基础。
2 POI信息提取。此项目目的是使用OCR算法自动识别店铺、机构的招牌信息,更新地图POI数据,
有两条路线:(1)淘金,使用手持或固定在自行车上的相机作为采集设备,采集指定路线,实测
OCR模块的准召率89%/92%,满足实用需求;(2)桔视,使用行车记录仪作为采集设备,查询
POI 库展开证有、证消失、证替换等三种业务逻辑,作为情报供人工审核。

职责:跟进和优化OCR 领域中的 DNN 模型,用于比赛和项目项目落地。
1 ICDAR(国际文档分析与识别大会,OCR 领域的国际权威会议)竞赛,
ICDAR2015 Born Digital Images Text Detection 任务第一名
ICDAR2015 Born Digital Images Word Recognition 任务第一名
ICDAR2015 Born Digital Images End-to-End Recognition 任务第一名
ICDAR2017 Focused Scene Text Text Detection 任务第一名
ICDAR2017 Focused Scene Text Word Recognition 任务第一名
ICDAR2017 Focused Scene Text End-to-End Recognition 任务第一名
ICDAR2017 Biomedical Literature Figures(DeTEXT) Text Detection 任务第一名
ICDAR2017 Biomedical Literature Figures(DeTEXT) Word Recognition 任务第一名
ICDAR2017 Biomedical Literature Figures(DeTEXT) End-to-End Recognition 任务第一名
2 TEG“云支付”项目收款机金额识别模块,TEG“互联网+”社保卡识别服务。

职责:OCR方向负责人,带5人团队,负责OCR技术的在微信产品中的研发和落地。2013 年公司实
施五星考评制度,9 次考评拿到 3 次五星 2 次四星。
2012年-2015年 使用传统OCR技术,在项目中不断积累算法,并吸取其他OCR系统(包括 商业和开源)中的有用成分,提炼出一套通用 OCR 技术框架,使用该框架可以确保识别系统的高准确率,同
时显著缩短 OCR 系统的开发时间。
1 微信“扫一扫”翻译服务。
2 微信钱包银行卡识别模块。该模块 2013 年上线,针对银行卡的多种困难场景,设计了一个过分
割、剪枝、验证的复杂且有效的字符分割策略,达到了 95%+的识别准确率,是当时的行业标杆,
DAU 4M+。
3 微信头像反垃圾服务。
4 微信开放平台部的营业执照和组织机构代码证自动审核服务。
5 手机管家“天天免费 wifi”中 wifi 列表截图自动识别模块。
6 微信红包打假服务,微信聊天中反欺诈服务。
7 微信支付的机动车行驶证和驾驶证自动识别服务。
8 JPEG 图像压缩优化。微信传输图像带宽开销巨大,针对这个问题,研究 JPEG 标准,深入分析
libjpeg-turbo 库,根据图像内容实时生成量化表,在保证图像质量不变的情况下将图像体积缩小
20%~30%,节省了大量的带宽费用。
2016年 使用DNN技术逐步替换传统的OCR处理环节。
1 微信“扫一扫”翻译服务的技术更新。
2 腾讯视频的电视剧字幕提取服务。
3 微信支付的身份识别服务。
上述模块以客户端或者后台服务的形式上线。

职责:视频搜素算法组组长,带20人团队,负责技术产品的研发和工程落地。
1 视频搜索网站:夸开。该项目支持用户通过文本、图像、视频片段在后台视频库中检索关联节目,
相关技术用于公司的媒资管理系统。
2 新闻视频的自动编目系统。该项目结合“新媒体”的业务需求,实现对新闻节目的精确拆条和自动摘
要,对客户要求的共计 370+档新闻节目,新闻片段的拆条误差确保在 1 秒以内,摘要合格率在
80%以上。案例:江苏广电总局。该系统为公司拿下金额一千多万元的订单。
3 电视节目中栏目片头及广告的自动检测系统。该项目使用视频复制检测技术,对每天采集到 的电
视节目中的片头、片尾和广告进行全面、准确的自动检测,同时具备自动发现新片头、新广告的功
能,自动维护样本库。片头、广告定位精确到帧,检测准召率都≈100%。成功案例:捷成世纪。
4 手机视频通讯软件:飞蚂蚁。该项目解决用户视频交互的需求,方案包括:(1)改善 sip 服务器和客户
端的处理能力,为用户提供丰富的呼叫功能;(2)解决音视频数据的网络传输问题,包括:私网穿越、网
络延迟、网络抖动等。完成了基本功能以及 初版本的几次迭代。

1 国家自然科学基金“数字图像复杂背景中文字信息的提取与退化识别”。
2 国家自然科学基金“数字图像中文字抽取技术的研究开发”。
3 富士通研究开发中心“静止和视频图像中的高性能文字检测/抽取技术研究”。
3 国家自然科学基金“图像质量评价及其应用”。