2020.02—2020.03 trtis custom backend mxnet
项目描述：业务上有将mxnet模型接入trtis的需求，而trtis推理调度不支持mxnet，因此需要在trtis平台添加mxnet支持。
项目职责：根据trtis custom backend和mxnet文档及源码，基于c/c++开发trtis支持mxnet的插件。
项目成果：
1. 完成了trtis的mxnet支持，成功接入mxnet模型推理，也进一步熟悉了trtis的源码结构；
2. 根据需要实现了在mxnet源码中接口的添加。

2019.11—2020.01 mxnet模型转tensorrt
项目描述：为摆脱模型交付对训练框架的依赖以及应对模型预测加速的需求，采取将需要模型转化到tensorrt框架下进行推理的方案。
项目职责：根据构建的模型网络图以及tensorrt本身的约束，将模型文件转为tensorrt推理要求的文件格。
转化过程根据需要，开发基于c/c++的算子。
项目成果：
1. 部分模型文件的转化成功，并且转化后推理结果的一致性符合要求；
2. 实现了ROIAlign算子在tensorrt上的移植。

2018.08—2020.03 业务算法服务工程化
项目描述： 为了加快推理速度以及与后端解藕，将模型端算法推理代码重构成执行效率更高、维护成本更低的go 代码，打包成docker，通过grpc与后端通信。
项目职责：
1. 负责四条业务线的工程交接。与前后端共同制定接口proto，与后端通过grpc通信；
2. 根据proto 及算法的main.py着手服务端go重构的设计与开发，要注重逻辑重构；
3. 开发完毕后以docker 的形式进行服务交接，并编写好交接文档，文档中要包含启动方式和各项性能指标；
4. 负责相关业务线的功能迭代与维护。
项目成果：
1. 四条业务线的工程重构完成，以docker 的形式通过grpc与后端通信，提供了稳定的服务；
2. 代码架构合理，可读性和可复用性强，降低了维护成本，可以快速进行更新迭代。

2017.12—2018.04 DR-chest病灶的检出
项目描述：基于yolov2 模型，检出DR-Chest图像中的病灶。由于图像中病灶本身有一定的不确定性以及不
同医生对不同病灶的认知略有差异，项目难度较大。
项目职责：
1. 模型的设计，基于yolov2和现有数据的特点调整网络的结构和数据预处理参数；
2. 数据整理，与医生及其他项目成员交流，制定出一套标记规则，根据病灶特点尽量统一各医生的标记标准。
项目成果：
1. 三类病灶的检出效果相比之前提升显著；
2. 规范了标记规则，提供了一套可以沿用的数据标注标准。