刘捷–个人简历
基本信息
教育背景
全日制专业学位硕士（计算机技术）
南华大学(统招) 2019.08 - 2022.06
- 学习并实践深度学习，大数据技术与应用，可信计算技术与应用，软件评测技术与应用
计算机科学与技术学士
衡阳师范学院(统招) 2015.08 - 2019.06
- 学习并实践计算机网络，数据结构，计算机组成原理，计算机操作系统，C++，Java
工作经历
高级计算机视觉算法工程师
杭州杰峰软件有限公司 2023-12 - 至今
- 开发并优化跌倒检测算法（基于图片使用YOLOv8）
- 开发并优化跌倒检测算法（基于视频使用YOLOv8 + 自定义IOU tracker跟踪 + MLP判断是否跌倒）
- 开发并优化玩手机检测算法（基于图片使用YOLOv8）
- 开发并优化吸烟检测算法（基于图片使用YOLOv8）
计算机视觉算法工程师
浙江力嘉科技有限公司 2022-7 - 2023-11
- 负责大货车非法加装强光灯检测项目的需求调研 + 数据标注 + 模型训练 + 模型验证 + 模型部署 + 误检漏检数据重训练
- 负责非机动车闯红灯检测跟踪项目的需求调研 + 数据标注 + 模型训练 + 模型验证 + 模型部署 + 误检漏检数据重训练
- 负责与浙大博士团队进行项目有关的沟通协调
项目
大货车非法加装强光灯检测项目
- 项目效果展示URL：大货车非法加装强光灯检测项目展示
- 目标：实时获取海康平台Kafka流中大货车过车图片URL，检测此图片是否有非法加装的强光灯
- 解决方案：使用Python获取Kafka流数据，实时发送给YOLOv6 Flask集群进行检测（将Pytorch model转为OpenVINO IR部署在
Intel Xeon Gold 5218R CPU@2.1GHz上），将最后结果发送给MQTT服务器并存储MySQL
- 结果：程序19：00 - 5：00开启，每日图片吞吐量为2500+，准确率95%+，召回率66%+，F1值为0.79，平均识别时间0.3秒/每张图片（原先方案使用Pytorch model为0.6秒/每张图）
非机动车闯红灯检测跟踪项目
- 项目效果展示URL：非机动车闯红灯检测跟踪项目展示
- 目标：根据视频流检测非机动车并跟踪，结合当前红灯情况判断是否闯红灯
- 解决方案：OpenCV实时获取视频RTSP流，使用YOLOv8间隔帧检测并跟踪非机动车，根据配置的左转、直行、右转红灯区域使用自定义ResNet18进行检测，保存闯红灯照片（包含轨迹），发送JSON数据给MQTT服务器并存储MySQL
- 结果：在3台服务器共14张NVIDIA T4上部署项目监控50路视频，红灯检测0.03秒/每帧，YOLOv8检测跟踪0.05秒/每帧，内存占用3G/每路，显存占用1.5G/每路，带宽4M/每路，准确率94%+
资格证书
技能
- 图像分类
- 图像检测（YOLOv8, YOLOv5, YOLOv6）
- 行为识别（数据清洗 + 自定义dataloader + 自定义模型 + 训练 + 验证 + 推理 + 数据可视化）
- OpenCV
- Pytorch
- Python/JAVA/PHP
- 熟悉图像检测项目流程（收集图片-》Labelme/LabelImg/CVAT打标-》模型训练-》模型验证-》模型部署-》误检图片收集重训练）
- 熟悉视频流检测跟踪流程（获取视频流-》检测-》跟踪-》处理）
语言
总结
- 优秀的问题解决能力、团队合作和沟通能力
- 持续学习和跟踪最新的计算机视觉技术研究成果