图像处理算法实习生简历范文全文
教育背景
北京邮电大学
211双一流
计算机科学与技术 硕士
北京2024年9月 - 2027年6月
研究方向为计算机视觉；核心课程：数字图像处理、模式识别、深度学习。
武汉理工大学
211双一流
电子信息工程 本科
武汉2020年9月 - 2024年6月
核心课程：信号与系统、数字图像处理、C++ 程序设计；GPA 3.7/4.0。
专业技能
Python / PyTorch
OpenCV / 图像处理
目标检测与分割
C++
模型部署（ONNX/TensorRT）
Linux / Git
荣誉奖项
全国大学生数学建模竞赛 省级一等奖
校级一等奖学金
自我评价
计算机视觉方向在读硕士，专注图像处理与深度学习算法，熟悉图像增强、目标检测与图像分割全流程。熟练使用 PyTorch、OpenCV，具备从数据清洗、模型训练到部署评估的完整项目经验。曾将检测模型 mAP 提升 6.2 个百分点，可每周到岗 4 天、连续实习 6 个月以上。
项目经验
工业缺陷图像检测算法优化
2025年3月 - 2025年9月
算法开发（核心成员）
- 基于 YOLOv8 构建缺陷检测模型，引入注意力模块与数据增强，mAP 由 78.5% 提升至 84.7%。
- 使用 OpenCV 完成图像去噪与对比度增强预处理，误检率下降 18%。
- 将模型导出为 ONNX 并完成推理加速，单张图像推理耗时降至 23ms。
低光照图像增强与复原
2024年10月 - 2025年2月
项目负责人
- 复现并改进 RetinexNet 与 Zero-DCE，在自建数据集上 PSNR 提升 1.8dB。
- 搭建 PyTorch 训练与评估流水线，完成 1.2 万张图像的标注与清洗。
工作经历
北京视界智能科技有限公司
北京
人工智能计算机视觉
计算机视觉算法实习生
2022年9月 - 至今
图像处理深度学习
- 参与人脸图像预处理模块开发，优化对齐与光照归一化流程，下游识别准确率提升 2.3%。
- 使用 PyTorch 复现并对比 3 种图像分割模型，输出评测报告支撑方案选型。
武汉云图数据科技有限公司
武汉
数据服务图像识别
算法实习生
2020年7月 - 2022年8月
数据标注模型训练
- 负责图像数据集标注规范制定与清洗，累计处理 8000 余张图像，标注一致性达 95%。
- 协助完成图像分类模型训练与调参，验证集准确率由 88% 提升至 92%。
研究经历
复杂场景下的图像超分辨率重建/研究助理
北京
计算机学院 计算机视觉实验室
2024年10月 - 至今
- 研究基于 Transformer 的图像超分辨率方法，在 Set5 数据集上 PSNR 达到 32.1dB。
- 撰写实验方案与论文初稿，参与组内每周技术分享。
基于传统算子的图像边缘检测对比研究/本科毕业设计
武汉
电子信息工程学院
2023年9月 - 2024年5月
- 对比 Sobel、Canny 与 LoG 算子在噪声图像上的表现，完成定量评测。
- 提出自适应阈值改进方案，边缘检测召回率提升 9%。
证书与认证
全国计算机等级考试二级（C++） - 教育部教育考试院
2022年9月
证明 C++ 编程与基础算法能力。
大学英语六级（CET-6） - 教育部教育考试院
2023年6月
成绩 528 分，可阅读英文技术文献。
更多图像处理简历范文
同一职位，不同的版式和写法。点开任意一份即可查看大图。
就从这份范文开始
免费复制到你的账户里，每一句话、每个板块和颜色都能改，改好即可下载投递。