负责整理智慧停车场项目中的目标检测算法所需要的样本数据和标注部分训练数据与图像；
查阅目标检测算法模型的相关文献和总结；
参与部分图像处理技术和目标检测算法模型的编写、开发与改进等；
参与部分算法的调试与测试工作；

项目名称2019.06 - 至今 视觉智能冰柜中图像清晰度的转化
项目描述在视觉智能冰柜中由于光照原因，会导致摄像头拍摄下来的照片清晰度不够，为满足此业务场景下对
图片的清晰度要求，通过搭建 DeblurGAN模型进行图像清晰度的转化，将模糊的图片变清晰，用普
通的摄像头就可以达到很好的转化效果，大大降低了硬件成本。
我在项目中负责根据 DeblurGAN论文和相关资料实现 DeblurGAN模型的搭建，在样本数据中训练与测试，改进该模型提高模型的泛化能力
项目名称2019.05 - 2019.06 基于 Tensorflow框架实现YOLO目标检测
项目描述传统的 R-CNN 、Fast R-CNN、Faster R-CNN 在目标检测方面虽然准确率很高，但是运行速度较
慢， 无法达到工业上实际应用的水平要求。而 YOLO（You Onle Look Once）采用 One-stage 的
思路，在牺牲了一定的检测精度情况下，但是大幅提升了检测速度，初步具备了实时目标检测功能
我在项目中负责查阅 YOLO 论文和相关资料和总结，在 Tensorflow 框架上实现 YOLO 模型
项目名称2018.01 - 至今 基于 FasterR-CNN的智慧停车场车牌识别
项目描述针对传统取卡、取票方式的收费停车场管理系统存在的不足，设计了一种基于车牌识别的无人收费停车
场系统。通过识别入口和出口处车辆的车牌号码，确定进入和离开的车辆权限，停车时间以及要支付的
停车费用。该系统实现了停车场信息化、智能化和高效节能管理的实际需要，并且为车主提供更安全更
舒适、更便利的停车环境。本项目采用 ImageNet预训练所得到的 ResNet-50卷积神经网络模型用于
FasterR-CNN中共享卷积层的初始化。神经网络的训练、验证以及测试均基于深度学习框架
Tensorflow进行，在车牌数据及上的车牌检测准确率达 99%。
我在项目中负责查阅 FastCNN和 FasterR-CNN论文和相关资料并总结，数据标注，协助搭建 RestNet模型。

2015.09 - 2019.06 大理大学 计算机科学与技术（应用技术） 本科