职场资讯
正在查看在校生图像算法简洁简历模板文字版
陈小湾
求职意向
工作经历
XXX智能是一家专注于机器人视觉与工业质检的人工智能公司，团队规模约XXX人，核心业务是为制造业客户提供高精度视觉检测解决方案，产品已服务于超过XXX家工厂产线，与多家自动化设备厂商达成技术合作。
工作概述：
1.模型训练：为解决机器人分拣场景中水果损伤识别准确率低的问题，使用数据增强技术扩充训练集；利用PyTorch框架完成ResNet模型的基础训练与调参实验，通过调整学习率与批次大小，将模型在验证集上的准确率提升XXX%。
2.数据预处理：为减少模型训练时间，针对客户提供的原始缺陷图片设计预处理流水线；调用OpenCV接口完成图片尺寸归一化与噪声过滤，构建自动化脚本将预处理流程固化，使单批次数据准备时间减少XXX%。
3.模型评估：为全面评估模型在实际产线的表现，设计包含准确率、召回率与推理速度的评估体系；编写脚本批量测试模型在不同光照条件下的稳定性，输出性能分析报告，明确XXX个关键改进方向。
4.文档撰写：为帮助工程团队理解模型使用逻辑，编写模型训练与部署的详细技术文档；记录数据格式要求、接口调用步骤与常见问题排查方法，形成的操作手册将新模型部署至测试产线的周期缩短XXX天。
工作业绩：
1.独立完成水果分拣场景的识别模型训练，模型准确率达到X
X.X%，模型参数量控制在XXXM以内。
2.建立标准化的图像预处理流程，处理效率提升XXX%，人工抽检图片质量的时间减少XXX%。
3.输出多份模型评估报告，将模型性能评估维度从X项增加至X项，为X个后续项目提供性能基准参考。
4.撰写的技术文档覆盖X个核心模型，支持工程团队成功部署X次，上线后相关咨询问题数减少XXX%。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
课程合作项目，针对社区智能垃圾桶识别准确率低、速度慢的问题，目标开发一套轻量级图像识别系统。原有方案在复杂光照和物品重叠场景下识别率不足XX%，且模型体积大，无法在嵌入式设备上实时运行，制约了产品的落地推广。
项目职责：
1.模型搭建：负责识别模型的主体结构搭建，采用轻量化卷积神经网络MobileNetV2作为主干网络，替换原有复杂模型，在保证精度的同时将模型大小压缩至XXXMB以下。
2.数据清洗：协调小组成员收集并标注了包含XXX张图片的垃圾分类数据集，通过脚本剔除模糊、标注错误的图片，构建高质量训练集。
3.模型优化：利用迁移学习技术，在公开数据集上进行预训练，针对本项目数据微调网络；采用知识蒸馏方法，进一步优化模型推理速度，在测试设备上实现单张图片识别耗时低于XXX毫秒。
4.应用开发：参与开发简易演示程序，使用Flask框架封装模型接口，实现网页端图片上传与识别结果展示功能。
项目业绩：
1.最终模型在自建测试集上的平均识别准确率达到X
X.X%，较基线模型提升XXX%，满足项目预设目标。
2.成功将模型部署至树莓派嵌入式平台，实现实时识别，推动了课程Demo的完整展示。
3.撰写的项目技术报告获得课程评分XXX分（满分XXX分），小组排名前X。
4.通过代码规范与模块化设计，使模型核心代码可复用性高，被后续X个课程设计项目参考使用。
教育背景
GPA X.XX/X.X（专业前XX%），主修人工智能、计算机视觉与模式识别核心课程，参与基于深度学习的图像分类课程设计项目（使用Python+PyTorch），在团队中负责模型训练与调优模块，完成数据增强与多种网络结构的对比实验，熟悉Linux开发环境与Git代码管理工具，考取Python数据处理相关认证。
自我评价
培训经历
获得该证书，系统掌握了深度神经网络、卷积神经网络及PyTorch框架的核心知识。将证书所学的模型优化方法应用于课程项目，通过调整网络结构与训练策略，在垃圾分类识别任务上取得了准确率XX.X%的成果。所总结的调参经验被应用于后续实习的模型训练中，提升了实验效率。
在校生图像算法简洁简历模板
538人使用适用人群: #图像算法 #在校生[找实习]
[基本信息]
姓名：陈小湾
性别：男
年龄：26
学历：本科
婚姻：未婚
年限：4年
面貌：党员
邮箱：xiaowan@gangwan.com
电话：18600001654
[求职意向]
工作性质：全职
应聘职位：图像算法
期望城市：北京
期望薪资：8000-10000
求职状态：离职-随时到岗
[工作经历]
北京XX科技有限公司 | 图像算法
2024-09 - 2025-12
XXX智能是一家专注于机器人视觉与工业质检的人工智能公司，团队规模约XXX人，核心业务是为制造业客户提供高精度视觉检测解决方案，产品已服务于超过XXX家工厂产线，与多家自动化设备厂商达成技术合作。
工作概述：
1.模型训练：为解决机器人分拣场景中水果损伤识别准确率低的问题，使用数据增强技术扩充训练集；利用PyTorch框架完成ResNet模型的基础训练与调参实验，通过调整学习率与批次大小，将模型在验证集上的准确率提升XXX%。
2.数据预处理：为减少模型训练时间，针对客户提供的原始缺陷图片设计预处理流水线；调用OpenCV接口完成图片尺寸归一化与噪声过滤，构建自动化脚本将预处理流程固化，使单批次数据准备时间减少XXX%。
3.模型评估：为全面评估模型在实际产线的表现，设计包含准确率、召回率与推理速度的评估体系；编写脚本批量测试模型在不同光照条件下的稳定性，输出性能分析报告，明确XXX个关键改进方向。
4.文档撰写：为帮助工程团队理解模型使用逻辑，编写模型训练与部署的详细技术文档；记录数据格式要求、接口调用步骤与常见问题排查方法，形成的操作手册将新模型部署至测试产线的周期缩短XXX天。
工作业绩：
1.独立完成水果分拣场景的识别模型训练，模型准确率达到X
X.X%，模型参数量控制在XXXM以内。
2.建立标准化的图像预处理流程，处理效率提升XXX%，人工抽检图片质量的时间减少XXX%。
3.输出多份模型评估报告，将模型性能评估维度从X项增加至X项，为X个后续项目提供性能基准参考。
4.撰写的技术文档覆盖X个核心模型，支持工程团队成功部署X次，上线后相关咨询问题数减少XXX%。
[项目经历]
项目名称：基于深度学习的垃圾分类识别系统
担任角色：项目负责人
课程合作项目，针对社区智能垃圾桶识别准确率低、速度慢的问题，目标开发一套轻量级图像识别系统。原有方案在复杂光照和物品重叠场景下识别率不足XX%，且模型体积大，无法在嵌入式设备上实时运行，制约了产品的落地推广。
项目业绩：
1.最终模型在自建测试集上的平均识别准确率达到X
X.X%，较基线模型提升XXX%，满足项目预设目标。
2.成功将模型部署至树莓派嵌入式平台，实现实时识别，推动了课程Demo的完整展示。
3.撰写的项目技术报告获得课程评分XXX分（满分XXX分），小组排名前X。
4.通过代码规范与模块化设计，使模型核心代码可复用性高，被后续X个课程设计项目参考使用。
[教育背景]
中原工业大学
计算机科学与技术 | 本科
GPA X.XX/X.X（专业前XX%），主修人工智能、计算机视觉与模式识别核心课程，参与基于深度学习的图像分类课程设计项目（使用Python+PyTorch），在团队中负责模型训练与调优模块，完成数据增强与多种网络结构的对比实验，熟悉Linux开发环境与Git代码管理工具，考取Python数据处理相关认证。