模型量化剪枝
1、算法优化
在已有算法的基础上完善对网络模型结构的量化支持，优化算法存在的部分问题
2、量化剪枝落地
pytorch架构下完成算法的推演过程，比对8bit量化与baseline的精度差异，确定数据量化的准确性和可行性
在模型量化完成的基础上对模型剪枝，减少模型的参数量，做进一步的优化
3、量化内容
主要量化和剪枝的网络模型包括常见的: 检测识别模型mobilenet_ssd、人脸识别模型arcface、骨骼检测模型resnet等
无人机项目
项目描述
无人机通过相机获取图片，设定算法自动检测图片中的目标物体，获取目标物体在图片中的 具体位置
项目难点和解决方法
1、无人机距离地面高度不单一，目标物体尺度多样性
解决方法: 设计mobilenet_ssd模型检测目标物体，调整图像的输入尺寸
2、光照过强的情况下，目标物体容易出现漏检
解决方法: SW缓解域差异，map显著提高
3、提升检测速度
解决方法: 将输入图像进行分tileling处理，先快速检测，再精准检测
解决方法: 模型的量化和剪枝，map误差控制在一个点内
参与内容: 前期图像标注、模型训练，模型的量化、剪枝，算法流程分析
人脸识别项目
项目描述
项目主要包括人脸检测和人脸识别两个模块
项目关键点
1、多数据集训练
联合Vggface2和Asian-Celeb数据集训练，提高亚洲人脸的识别精度
2、Arcface识别模型
增大类间距离，缩小类内距离，增强不同人脸的识别程度
3、提升识别速度
模型量化剪枝，识别精度误差在一个点以内
4、lffd人脸检测
筛除尺度较大的特征识别，项目涉及的目标人脸通常为大图片
参与内容: 参与调研人脸识别和人脸检测算法，完成模型的量化和剪枝工作

（1）物体检测
针对无人驾驶领域的视觉场景，利用深度学习相关算法对视频中的物体进行实时检测，调研深度学习在无人驾驶领域中的应用

（2）轨迹跟踪
负责使用GPS设备获取相关数据，负责采用相关算法实现双轮无人车对指定轨迹的跟踪
（3）雷达避障
实现点云数据的可视化，参与对点云数据预处理的相关算法，理解雷达避障算法原理并参与算法实现过程