我具備扎實的深度學習框架使用經(jīng)驗,熟練掌握PyTorch和Lightning框架,能夠高效構(gòu)建和訓練復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型。在計算機視覺領(lǐng)域,我精通OpenCV圖像處理庫和Ultralytics目標檢測框架,具有豐富的圖像" />
掌握的技術(shù):
我具備扎實的深度學習框架使用經(jīng)驗,熟練掌握PyTorch和Lightning框架,能夠高效構(gòu)建和訓練復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型。在計算機視覺領(lǐng)域,我精通OpenCV圖像處理庫和Ultralytics目標檢測框架,具有豐富的圖像分析和處理實踐經(jīng)驗。我的研究專注于半監(jiān)督學習、醫(yī)學圖像分割和遙感圖像提取等前沿領(lǐng)域,特別是在醫(yī)學圖像分割方面,我在MICCAI 2023半監(jiān)督牙齒分割挑戰(zhàn)賽中獲得全球第三名(3/466),展現(xiàn)了出色的算法設(shè)計和實現(xiàn)能力。此外,我具備優(yōu)秀的數(shù)學建模能力,曾獲得中國大學生數(shù)學建模競賽全國一等獎,并在2024年MCM數(shù)學建模競賽中獲得Finalist Prize。在軟件開發(fā)方面,我熟練掌握Java編程,在藍橋杯軟件類Java B組中獲得全國二等獎。這些技術(shù)能力和競賽經(jīng)歷使我能夠快速理解業(yè)務(wù)需求,設(shè)計并實現(xiàn)高效的AI解決方案。
項目經(jīng)驗:
全國數(shù)學建模競賽全國一等獎,美國數(shù)學建模競賽特等獎提名。
發(fā)表多篇學術(shù)論文:
1. CrossMatch:半監(jiān)督醫(yī)學圖像分割增強方法
這是我參與的一個重要項目,目標是解決醫(yī)學圖像標注數(shù)據(jù)不足的問題。我們提出了一種結(jié)合擾動策略和知識蒸餾的新方法,顯著提升了分割效果。
我作為共同第一作者(第一學生作者),負責算法設(shè)計和實驗驗證,最終成果發(fā)表在頂級期刊JBHI(影響因子7.1)。代碼已開源,獲得了廣泛關(guān)注。
2. SymMatch:對稱雙尺度匹配的半監(jiān)督醫(yī)學圖像分割方法
這是我主導(dǎo)的一個項目,提出了一種結(jié)合圖像級和特征級匹配的新框架,在多個醫(yī)學圖像數(shù)據(jù)集上取得了領(lǐng)先的性能。
我作為第一作者,設(shè)計了自蒸餾機制和多尺度匹配策略,有效提升了模型在有限標注數(shù)據(jù)下的表現(xiàn)。該項目被CCF-B類會議BIBM 2024錄用。
3. SCANet:建筑物提取網(wǎng)絡(luò)
這是一個針對遙感圖像中建筑物提取的項目。我提出了一種結(jié)合拆分注意力和坐標注意力的新型網(wǎng)絡(luò)架構(gòu),顯著提升了提取精度。
我作為第一作者,設(shè)計了多尺度特征融合模塊,解決了遙感圖像中目標尺度變化大的問題。該項目被CCF-C類會議ICONIP 2024錄用。
4. MICCAI 2023 半監(jiān)督牙齒分割挑戰(zhàn)賽
這是我參與的一個國際競賽項目,目標是實現(xiàn)3D牙齒的自動分割。我們提出了一種多階段訓練策略,結(jié)合傅里葉變換的數(shù)據(jù)增強方法,顯著提升了模型的泛化能力。
最終,我們在全球466支隊伍中獲得了第三名,展現(xiàn)了團隊在醫(yī)學圖像分割領(lǐng)域的技術(shù)實力。
醫(yī)學圖像分割的半監(jiān)督學習提出了有效使用有限標記數(shù)據(jù)同時利用大量未標記數(shù)據(jù)的獨特挑戰(zhàn)。盡管取得了進步,但現(xiàn)有方法通常無法充分利用未標記數(shù)據(jù)的潛力來增強模型的穩(wěn)健性和準確性。在本文中,我們介紹了 CrossMatch,這是一種新穎的框架,它將知識蒸餾與雙重擾動策略、圖像級和特征級相結(jié)
本項目是一套融合深度學習、物聯(lián)網(wǎng)、計算機視覺、等技術(shù)為一體的智能化云電子警察系統(tǒng)??稍诘缆穯螖z像頭的情況下,做到為工作人員提供穩(wěn)定、高效、準確率高的車輛違章檢測,并及時匯報給工作人員。該系統(tǒng)通過結(jié)合了深度學習與傳統(tǒng)算法,實現(xiàn)了畫面內(nèi)車輛信息的獲取及實時跟蹤,并行處理各種情況的違章