在校期间，系统学习了计算机算法、数据结构、数字图像处理等专业课程，GPA 3.8（满分4.0）。曾参与校级图像处理创新项目，负责图像特征提取算法模块，通过优化算法使特征提取效率提升30%，为项目最终获得校级二等奖做出贡献。

• 带领5人算法团队，负责公司智能安防产品的图像处理算法研发。
• 主导车牌识别算法优化项目，通过引入深度学习模型，使车牌识别准确率从85%提升至98%，覆盖全国300+城市的车牌类型，该算法应用于公司500+安防项目，带来2000万+的项目收益。
• 与硬件团队协作，完成算法在嵌入式设备上的部署优化，使算法运行速度提升2倍，功耗降低30%，产品成本降低15%。
• 定期组织团队内部技术分享会，提升团队成员技术水平，培养出2名算法骨干晋升为项目经理。

• 全面负责公司图像处理算法团队管理，团队规模20人，制定算法研发战略规划。
• 主导医疗影像AI辅助诊断系统的图像处理算法模块，带领团队攻克医学图像降噪、增强等难题。引入自适应滤波算法，使医学图像噪声降低40%，对比度提升30%，该系统已通过CFDA认证，在100+三甲医院试用，预计每年为公司带来5000万+的市场份额。
• 建立算法研发流程规范，优化算法版本管理机制，使算法研发周期缩短30%，算法复用率提升至60%。
• 与高校建立产学研合作，引进3项前沿图像处理技术，申请发明专利5项，提升公司技术创新能力和行业影响力。

• 项目背景：随着电商行业发展，商品图片搜索需求大增，传统图像搜索准确率低、速度慢。
• 项目内容：作为算法负责人，带领8人团队研发基于深度学习的商品图像搜索算法。构建大规模商品图像数据集（100万+图像），设计多尺度特征融合网络模型，引入注意力机制提升特征表达能力。
• 项目成果：使商品图像搜索准确率从60%提升至92%，搜索速度提升5倍（达到毫秒级响应）。该算法应用于公司电商平台，上线半年内，商品搜索流量提升40%，带动相关商品销售额增长25%。

• 项目背景：自动驾驶对道路场景语义分割精度要求高，现有算法在复杂场景下分割误差大。
• 项目内容：参与自动驾驶道路场景语义分割算法优化项目。提出基于条件随机场（CRF）的后处理优化方法，结合深度神经网络输出的概率图，对分割边界进行精细化调整。构建包含城市道路、高速、乡村道路等多种复杂场景的数据集（5万+帧图像）进行训练和验证。
• 项目成果：使道路场景语义分割的平均交并比（mIoU）从75%提升至88%，在雨天、夜间等低光照复杂场景下分割精度提升尤为明显（提升15%）。该算法已在公司自动驾驶测试车辆上部署，累计测试里程10万公里，有效提升自动驾驶系统对道路环境的理解能力。