熟悉深度學(xué)習(xí)的基本原理,熟悉使用 TensorFlow 框架。熟練使用 CNN/GAN 模型,并應(yīng)用于識(shí)別、圖像生成等任務(wù)。
熟練使" />
熟練掌握J(rèn)ava、Python開發(fā),掌握MySQL、Oracle等數(shù)據(jù)庫SQL操作。
熟悉深度學(xué)習(xí)的基本原理,熟悉使用 TensorFlow 框架。熟練使用 CNN/GAN 模型,并應(yīng)用于識(shí)別、圖像生成等任務(wù)。
熟練使用 VGG/ResNet/Inception 等基礎(chǔ)模型進(jìn)行 Fine-tuning。
熟悉Linux操作系統(tǒng)及Shell編程;熟悉 Java Web 開發(fā)及常用的框架。
1.服裝尺碼識(shí)別(OCR)
服裝尺碼識(shí)別,這個(gè)項(xiàng)目是為了減少商家新增或更新商品時(shí)的操作,也可用于推薦決策。此 項(xiàng)目基于商家上傳的服裝尺碼圖像進(jìn)行識(shí)別,識(shí)別效果正確率可達(dá) 99%。
2.中文字體風(fēng)格遷移
設(shè)計(jì)師設(shè)計(jì)一款字體需要花費(fèi)大量的時(shí)間和精力,何不利用人工智能來生成字體呢?在此之 前,本人一直研究 GAN 的應(yīng)用,故嘗試用 GAN 來生成字體。工作包括:分析中文字體的結(jié)構(gòu),使用聚類的方式獲得特征字,提供給設(shè)計(jì)師;構(gòu)造網(wǎng)絡(luò)結(jié)構(gòu);使用設(shè)計(jì)師提供的樣本進(jìn)行訓(xùn)練并調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)以及 loss;使用訓(xùn)練好的模型生成剩余的六千多字體圖片,設(shè)計(jì)師微調(diào)后,生成字體庫。
3.人臉圖像超分辨率重建
由于攝像頭的視場(chǎng)廣且離人臉遠(yuǎn),所以檢測(cè)到的人臉往往很小,當(dāng)人臉像素小于 20x20 時(shí),當(dāng)今高效率的人臉識(shí)別算法會(huì)迅速下降,大大限制了人臉識(shí)別的應(yīng)用范圍。此項(xiàng)目主要是為 了對(duì)低分辨率 16x16 像素的圖像重建為 64x64 像素的高分辨率圖像。