 车道线检测/数据标注
职位:图像算法工程师
职位:图像算法工程师
项目介绍:该项目主要是通过深度学习算法以及前视摄像头来完成。在技术上利用 Tensorflow 框架和 Lanenet 模型实现的多任务检测。该系统可帮助驾驶员避免车道线偏离，降低了由于驾驶者的失误导致偏 离车道线的事故发生率，车道线检测无疑是无人驾驶的必经之路。
项目职责:
1. 数据采集、数据预处理、数据标注(labelme)、数据转换。
2. 在 Linux 系统下进行开发环境的配置(cuda、anaconda、tensorflow)。
3. 制定 Lanenet 模型并调整参数，将训练好的模型文件(.ckpt)生成为 C++可调用的文件(.pb)。
4. 将检测到的车道线坐标打印并存入 txt。对模型进行测试，参数调优。

 非机动车闯红灯项目
项目介绍:这套系统主要是由深度学习算法，和电子屏幕等部分组成，用于非机动车闯红灯抓拍以及显示 驾驶者的信息。该项目在技术上利用 TensorFlow 框架、darknet 模型和 YOLO 算法实现目标检测。该系 统大大减少行人、非机动车闯红灯的行为，降低交通事故发生率。
项目职责:
1. 进行简单的数据预处理。
2. 配置开发环境(opencv、tensorflow、tensorboard)。
3. 选用基于 TensorFlow 框架和 darknet 模型实现 YOLO 算法并对其进行模型构建，调参，模型性能测
试。
4. 观察终端打印的日志，看损失函数是否正常收敛，模型参数是否正常保存，是否有 over or underfitting
等问题。
 停车场出入口管理系统
项目介绍:停车场出入口管理系统是用来检测目标车辆的信息。此系统在技术上利用 TensorFlow 框架和 深度学习 Faster-RCNN 算法来完成检测。解决了传统的停车场在经营、管理当中存在着许多无法避免的问 题。该系统实现了一般停车场对车辆的系统管理。
项目职责:
1. 数据采集，为了提升模型的精度需要进行数据预处理。
2. 模型调参:利用迁移学习进行 finetune 预训练模型，并进行参数调整(learning_rate、batch_size、 BN、classes 等)。
3. 算法测试:应用测试数据进行算法测试优化，查看准确率以及性能是否达到标准。
 花卉园花卉识别
项目介绍:花卉识别项目在技术上利用了 TensorFlow 框架和 inceptionNet 结构完成对目标的识别。此项 目解决了讲解导游人数不够无法给游客提供充足信息的问题。实现了游客能根据自己的需求随时随地了解 自己喜欢的花卉信息。
项目职责:
1. 获取数据并清洗数据:对数据进行筛选，删除错误分类的图像。
2. 训练:利用 TensorFlow 框架将数据送入 inceptionNet 中进行训练，评估模型。
3. 根据效果反复调试模型。