项目一: 人脸及人脸属性识别
采用CVPR 论文的 PC-MCNN-LC 方法搭建模型，做人脸及人脸属性识别；其中人脸识别部分的预训练选用最新的Arcface loss 进行单独训练；
根据模型训练需求，对公开数据集 CelebA 做预处理并重新整理形成train/val set,test set，并存储为 tfrecords；
模型训练与调参（batch_size,thresh_hold,learning rate,normalization 等），实现人脸及 40 个人脸属性的识别；
模型测试，并对分类错误样本进行分析，畸变、扭曲、模糊、侧脸等原因。
项目二: NILM 电气指纹
通过NILM 的方法，对家庭用电情况进行监测，能够识别常用家用电器设备对开关及工作模式对变化。
NILM 高频、低频负荷识别算法调研；及多状态设备识别算法调研；
用sinefit 算法拟合电压信号和检测过零点，并对电压、电流进行相位对齐。
用Kalman 滤波方法对电压、电流信号进行滤波。
高频暂态特征提取方法调研，并选用 S 变换提取电流信号的暂态信息，并形成特征表作为负荷印记的暂态特征。
用实际采集的数据，对当前算法的识别准确度做初步分析。

工作内容: 在军用舰载雷达项目中，负责硬件单板电路的原理图设计、PCB 整理与焊接调试工作；
配合硬件工程师编写FPGA 相关程序；
负责雷达多模块的机柜调试及雷达系统整机联调，熟练使用频谱分析仪、示波器、网络分析仪等调试工具；
根据相关海军标准及军用雷达产品的国家标准，全面了解产品需要达到的功能、指标及实现原理，根据舰载总体制定的滨海外场试验大纲制定试验方案，并独立负责雷达整机系统滨海外场实验，了解信号及数据处理流程，能对出现的故障进行排除，包括人员安排，与舰载系统总体（中电 14 所）的配合与接洽，以及用Matlab 对试验数据的分析与处理，并完成试验报告，提交评审；
负责项目文档的编写及会议评审，包括文件的整理、前期的准备、以及现场汇报和后期与军代室的沟通等；
负责第三方可靠性试验，根据相关海军标准及军用雷达产品的国家标准，撰写试验大纲，并参与试验过程中系统各项指标的性能测试。
负责撰写雷达相关的技术文档、说明书、使用及维修文档等，并及时与军代室和相关负责人的责任沟通和汇报，做好文档分类、归档等管理工作，对外做好产品技术资料保密。
项目经历（研究生期间）

房屋相关数据的清洗、预处理、通过正则化，缺失值处理，使用以下几种不同的模型进行预测和评估: 先用 Ridge 回归和随机森林单一模型进行调参得到最优解；然后把得到的 Ridge 回归和 RandomForest 作为基学习器，分别用 BaggingRegressor 和 AdaBoostRegressor 模型进行调优，得到最优解。最后用 XGBoost 进行训练并
调优，比较几种模型的效果。
项目结论: XGBoost 效果最好（0.127），其次是 Bagging 和 AdaBoost（0.132）。
2014.10~2017.07 kaggle 竞赛 Otto 商品分类挑战赛
项目介绍: 在本次比赛中，Otto 为超过 20 万种产品提供了 93 个功能的数据集。目标是建立一个能够区分主要产品的预测模型。
项目流程: 1.获取数据并查看数据基本信息/ 2.特征工程(特征编码，标准化)/3.模型选择: 选择了不同模型（LR，
线性 SVM，加核 SVM）分别进行训练，观察模型效果/4.模型训练与评估/参数调优(GridSearchCV)/5.模型保存。项目结论: 在该数据集下，LR 和线性 SVM 模型效果相当，好于加核 SVM 模型。
2014.10~2017.07 用卷积神经网络CNN 实现 XX 网站验证码识别
项目背景: 在对某些网站（如 58 同城）进行登录或频繁访问访问时，网站会弹出验证码进行核实人机身份。项目流程: 1.验证码图片生成 /2.获取训练集、测试集/3.构建 CNN 50 个样本训练一次，每
100 次输出一次准确率，由于 GPU 显存不够，验证集中每次拿出 200 个样本来验证模型效果）/5.模型调优/6. 模型保存/7.模型恢复与预测。
项目结论: 在该模型训练过程中，发生了过拟合，经过反复不断调优，最终模型的准确率达到 97%。
2014.10~2017.07 人脸识别系统