深度视觉算法工程师简历范文全文
熊帅帅
展现专业实力，创造职场价值。深度视觉算法工程师
自我评价
6年计算机视觉算法经验，专注目标检测、图像分割与工业缺陷检测的深度学习落地，熟悉 PyTorch、TensorRT 与模型量化部署。主导过3个量产级视觉项目，将产线漏检率从3.2%降至0.6%，单帧推理耗时压缩至18ms。具备从数据标注、模型训练到边缘端部署的全链路能力。
工作经历
深圳市云天智能科技有限公司
人工智能工业视觉
深圳
深度视觉算法工程师
目标检测模型部署
2022年9月 - 至今
- 负责工业缺陷检测算法研发，主导YOLO系列模型改进与蒸馏，产线漏检率由3.2%降至0.6%。
- 完成TensorRT量化与算子优化，单帧推理耗时从45ms降至18ms，支撑6条产线稳定运行。
- 搭建数据标注与自动难例挖掘流程，标注成本下降40%，模型迭代周期由3周缩短至1周。
广州视界科技有限公司
计算机视觉安防
广州
计算机视觉算法工程师
图像分类移动端部署
2020年7月 - 2022年8月
- 参与人脸识别与活体检测算法开发，在自建测试集上准确率提升至99.1%。
- 负责模型剪枝与移动端部署，包体积减少55%，在低端安卓机型上稳定达到25FPS。
项目经验
晶圆表面缺陷检测系统 - 算法负责人
2024年3月 - 2024年5月
- 设计多尺度特征融合分割网络，对划痕、脏污等7类缺陷实现像素级定位，mIoU达86.4%。
- 构建小样本增量训练方案，新缺陷类别仅需200张样本即可上线，交付周期缩短60%。
车载行人检测轻量化模型 - 核心算法工程师
2022年12月 - 2023年2月
- 基于知识蒸馏与结构重参数化压缩检测模型，参数量减少70%，精度仅下降0.8个百分点。
- 完成嵌入式平台移植与多线程推理优化，满足车规级实时性要求并通过内部验收。
专业技能
PyTorch / 深度学习
目标检测与图像分割
TensorRT / 模型量化部署
Python / C++
OpenCV / 图像处理
数据标注与难例挖掘
教育背景
华南理工大学
985双一流
广州
计算机科学与技术 硕士
2019年8月 - 2021年5月
研究方向为计算机视觉与深度学习，参与国家自然科学基金项目1项。
广东工业大学
一本省属重点
广州
软件工程 本科
2016年8月 - 2020年5月
主修数据结构、机器学习、数字图像处理，GPA 3.6/4.0。
工作成果
量产落地成果
主导的缺陷检测系统已在6条产线部署，年节省人工质检成本约120万元。
技术专利
以第一发明人申请发明专利2项，均已进入实质审查阶段。
竞赛获奖
获2023年广东省人工智能算法挑战赛视觉赛道二等奖。
证书与认证
计算机技术与软件专业技术资格（软件设计师） - 工业和信息化部
2019年11月
证明软件设计与工程能力。
深度学习工程师认证 - 百度飞桨
2021年6月
证明深度学习模型开发与部署能力。
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。