计算机专业应聘简历范文内容：
工作经历
顺丰科技有限公司 / 视觉信息理解研发中心 计算机视觉工程师 2018.08 – 至今
1、快递面单的条形码及二维码解码失败异常分析。
2、区域入侵检测及人体轨迹跟踪系统。
3、实时视频监控下的违规抛扔识别系统。
项目经历
快递面单的条形码及二维码解码失败异常分析 2020.09 — 至今
快递面单上的条形码和二维码，可能由于经销商打印的尺寸不符合要求导致解码失败，需利用计算机视觉技术判断面单图片中条形码和二维码尺寸是否都在规定要求内。
难点与思路：
（1）难点： 因为可能存在仿射变换导致矩形二维码在图片中变成平行四边形，使用 BoundingBox 或者 RotatedBox 检测条形码和二维码都存在一定误差，如果能准确地定位出整个面单、条形码、二维码的各四个顶点。通过计算面单、条形码和二维码的像素尺寸，而面单的真实尺寸是固定且已知，通过相似比即可算出条形码和二维码的真实尺寸。然后，一张图片最多只有 1 个面单，但每个面单区域可能出现零到多个条形码和零到多个二维码，因为目标数量不一定，直接 CNN回归的方式无效，同时 OpenPose 默认只支持单类别的关键点检测
（2）思路一（已尝试）：可以将“面单–条形码–二维码”作为一个整体目标 A，共 12 个关键点（ID 分别从 0 到 11）。面单中有多个条形码（二维码）的，按距离分配到最近的二维码（条形码），而面单只有一个，作为不同目标 A 的公有部分。故在推理阶段，可以通过 ID 判定属于当前关键点属于面单或者条形码还是二维码（C++，OpenPose，Caffe）
思路二（未尝试）：通过改造 OpenPose，使其能同时检测面单、二维码、条形码三个类别的目标关键点
区域入侵检测及人体轨迹跟踪系统 2020.04 — 2020.09
在相关企业的月台装卸口，为了规范作业及作业安全，某些特定区域禁止存放货物以及人员出现，同时需要对监控画面中所有的人员进行轨迹跟踪
（1）使用 YoloV4 为检测器，用于定位某一帧中出现的所有货车尾箱、人员和货物。因为本项目对目标的定位精准性要求高，故以 IOU=0.75 为界限训练 yolov4 的正样本，并适当提高 IOU-loss 在总 loss 中的权重
（2） 全局维护一个定长布尔型队列，存放一定时间 T（如 10s）内，在整个画面是否检测到货车尾箱，如果某个时刻该队列元素都是 1，判定此时为作业状态，否则为非作业状态，从而自适应划定各监控区域。
（3）对于每个特定监控区域：维护两个定长布尔型队列，分别存放一定时间 T 内在本区域内是否出现货车和人员，如果某个时刻某队列中元素 1 的比例超过某比例，则判定该时刻本区域出现货物/人员，发出相应警告信息
（4）人员跟踪器：使用卡尔曼滤波算法预测新跟踪框，然后使用匈牙利算法将预测的跟踪框和 YoloV4 检测到的检测框匹配（余弦距离匹配以及图像特征匹配）。
（5）编写图像预处理 CUDA 代码，使 DeepStream 解码后的 GpuMat 通过预处理后直接送入 YoloV4 网络，减少了不必要的GPU 和 CPU 之间的拷贝开销。通过 TensorRT 加速，在 T4 显卡上整个系统判断一次耗时 10-13ms
自我评价：
1、熟悉 Linux 基本知识，熟悉 C++，较熟悉 python，有较好的工程能力。
2、熟悉常见深度学习算法（Faster R-CNN、YoloV3、YoloV4、OpenPose 等）
3、熟悉常见计算机视觉及深度学习库（OpenCV，Caffe，PyTorch）并有大量实践经验。
4、了解使用 TensorRT 对常见模型进行加速推理，了解 CUDA 编程，熟悉Git、CMake 等工具。
其它计算机专业应聘简历范文：
