图像识别工程师简历范文全文
自我评价
5年图像识别与计算机视觉算法落地经验，专注目标检测、图像分类与OCR方向，主导过3个千万级调用量的视觉模型上线。熟练使用PyTorch、TensorFlow及TensorRT，具备从数据标注、模型训练到端侧部署的全链路能力。曾将工业质检漏检率降低至0.3%，推动产线效率提升18%。
专业技能
PyTorch / TensorFlow
目标检测（YOLO/Faster R-CNN）
图像分类与OCR
模型压缩与TensorRT部署
Python / C++
OpenCV / 数据增强
工作经历
深圳市智视科技有限公司
计算机视觉工业AI
深圳
图像识别工程师
目标检测模型部署
2022年3月 - 至今
- 负责工业质检视觉算法研发，主导缺陷检测模型迭代，将漏检率从1.8%降至0.3%，年节省返工成本约120万元。
- 搭建基于YOLOv8的产线实时检测系统，通过TensorRT量化部署，单帧推理耗时从45ms优化至12ms，支撑8条产线日均处理50万张图像。
- 牵头构建10万级缺陷图像标注体系与数据增强流程，使模型在少样本场景下mAP提升9.6个百分点。
广州云图信息技术有限公司
人工智能SaaS服务
广州
算法工程师（视觉方向）
OCR图像分类
2019年7月 - 2022年2月
- 参与OCR识别引擎开发，负责文本检测与识别模型训练，将证件类识别准确率从92%提升至98.5%，支撑日均30万次调用。
- 优化图像分类模型推理链路，通过知识蒸馏与剪枝将模型体积压缩60%，在保持精度损失小于0.5%的前提下降低GPU成本35%。
项目经验
工业缺陷检测视觉平台 - 算法负责人
2023年1月 - 2024年6月
- 主导从0到1搭建缺陷检测平台，融合YOLOv8与注意力机制，在3类核心缺陷上实现mAP 0.91，较基线提升11%。
- 设计数据闭环与难例挖掘流程，每月自动回流2万张产线图像，模型迭代周期从4周缩短至1周。
多场景证件OCR识别系统 - 核心开发
2020年3月 - 2021年12月
- 负责文本检测模型（DBNet）调优与训练，在身份证、营业执照等5类证件上检测召回率达99.2%。
- 搭建端到端识别评测流水线，将badcase分析效率提升50%，支撑产品快速接入新证件类型。
教育背景
华南理工大学
985211双一流
广州
计算机科学与技术 硕士
2016年9月 - 2019年6月
研究方向为计算机视觉与深度学习，发表EI会议论文1篇。
广东工业大学
一本
广州
软件工程 本科
2012年9月 - 2016年6月
主修数据结构、机器学习基础、数字图像处理；获校级二等奖学金。
证书与认证
深度学习工程师（中级） - 工业和信息化部教育与考试中心
2021年6月
证明深度学习模型设计与工程实践能力。
华为HCIP-AI认证 - 华为技术有限公司
2023年9月
证明计算机视觉与AI平台应用能力。
工作成果
公司年度技术创新奖
因工业质检视觉系统落地效果显著，获2023年度技术创新奖。
模型精度突破
少样本缺陷检测mAP提升9.6个百分点，相关方案在团队内推广复用。
推理性能优化
TensorRT部署方案将单帧推理耗时降低73%，支撑产线实时检测需求。
更多图像识别简历范文
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。