在校期间系统学习了计算机视觉、算法设计与分析等专业课程，GPA 3.8（满分4.0）。参与了学校的计算机视觉科研项目，发表学术论文1篇，具备扎实的理论基础和科研能力。

• 负责公司产品的2D视觉算法研发，如目标检测、图像分割等。优化算法性能，使目标检测准确率从85%提升至92%，处理速度提高30%。
• 与跨部门团队（产品、开发）紧密合作，根据业务需求制定算法方案。主导完成了3个重要项目的算法模块开发，项目按时交付率100%。
• 跟踪行业前沿技术，引入新算法并进行落地验证。成功将轻量化模型应用于移动端产品，模型大小减小40%，保持准确率不变。

• 带领团队（5人）承担公司核心业务的2D视觉算法攻坚任务。在复杂场景识别项目中，提出创新算法架构，使识别准确率达到行业领先的95%，项目收益提升20%。
• 负责算法团队的技术规划与人才培养。制定算法技术 roadmap，主导内部技术培训20+次，团队成员技术能力平均提升2个等级。
• 与高校科研机构建立合作，引入前沿学术成果并转化为产品竞争力。合作项目产生专利2项，发表顶会论文1篇。

• 项目背景：针对电商平台商品图片杂乱，用户搜索效率低的问题，开发商品图像智能分类系统。
• 技术实现：采用深度学习算法（如ResNet等），构建分类模型。通过数据增强（旋转、裁剪等）扩充数据集至10万+。优化损失函数，使模型收敛速度加快20%。
• 项目成果：分类准确率达到93%，上线后商品搜索转化率提升15%，每天处理图像数据100万+。

• 项目背景：为提升自动驾驶汽车的行人检测安全性，开发高精度行人检测算法模块。
• 技术实现：融合多尺度特征（FPN），引入注意力机制（CBAM），提高小目标行人检测精度。在自建的复杂场景行人数据集（包含雨天、夜间等场景，5万+图像）上训练模型。
• 项目成果：行人检测召回率达到98%，误检率降低30%。在实际路测中，有效检测距离增加20米，为自动驾驶决策提供更充足时间。