(+86)155-0799-7194 ｜ codecv@163.com ｜ 微信号：codecvresume

教育背景

• GPA：3.92/4.0 (专业排名：2/120) 国家奖学金获得者，连续三年获评校级优秀学生
• 核心课程： 数据结构与算法(95)、机器学习(98)、计算机视觉(96)、深度学习(94)、自然语言处理(92)、研究方法(97)

研究经历

• 背景： 计算机视觉中多目标跟踪算法存在精度不高、实时性差的问题，需要设计新型算法解决
• 职责： 负责多目标跟踪算法改进与实现，设计实验验证方案，撰写研究论文
• 难点： 平衡算法精度和实时性的关系，同时处理复杂场景下的目标遮挡和ID切换问题
• 成果： 提出一种新型注意力机制增强的多目标跟踪算法，在MOT17数据集上MOTA提升3.2%，论文被CVPR 2022接收

• 背景： 传统人机交互方式无法满足复杂场景需求，需要研究基于视觉和语音的多模态交互技术
• 职责： 设计并实现多模态人机交互原型系统，构建数据集，训练模型并评估效果
• 难点： 多模态信息融合与协同理解，克服单一模态的局限性，提高系统鲁棒性
• 成果： 开发的多模态人机交互系统在5种场景测试中准确率达92%，相关技术申请国家发明专利1项

科研成果

• 发表题为"Enhanced Attention Mechanism for Multiple Object Tracking in Complex Scenes"的研究论文
• 提出一种新型注意力机制，有效提升了复杂场景下的目标跟踪性能，特别是在遮挡情况下的跟踪稳定性
• 该算法在MOT17数据集上MOTA指标达到73.5%，处于领先水平，同时保持了实时性能要求

• 申请题为"一种基于多模态融合的智能人机交互系统及方法"的国家发明专利
• 专利号：CN202110XXXXXX.X，目前已进入实质审查阶段
• 该技术已在实验室智能助手系统中得到应用，受到业界关注

竞赛经历

• 背景： 针对智慧城市场景下的交通流量预测问题，需要构建高精度预测模型
• 职责： 担任团队算法工程师，负责时空数据处理与深度学习模型设计
• 难点： 处理时空数据的长期依赖性和外部因素(天气、节假日)对交通流量的影响
• 成果： 设计的时空图神经网络模型预测精度比基线提高18%，团队最终在全国300+参赛队伍中获得一等奖

专业技能

• 编程语言：Python(精通)、C++(熟练)、MATLAB(熟练)、PyTorch/TensorFlow(精通)
• 研究方向：计算机视觉、深度学习、多模态融合、智能人机交互
• 数学基础：扎实的高等数学、线性代数、概率论与数理统计基础
• 学术能力：熟悉学术写作和论文发表流程，具备独立科研能力，擅长实验设计与结果分析
• 语言能力：英语(TOEFL 110分)，能流利进行学术交流和阅读专业文献