本科与硕士阶段工作总结

大一（2013.9-2014.7）：

简单概括：享受学习与生活，花花世界何其美好！

主要课程：C++、高等数学、大学英语、大学物理、离散数学与线性代数。

深刻印象：无忧无虑，但学习仅是为了考试？

--------------------------------------------------------------------------------------------------

暑假（2014.7-2014.8）：

军训蛮有趣，雨中定向赛很刺激。

自学数据库SQL基础与C#语言。

--------------------------------------------------------------------------------------------------

大二（2014.9-2015.7）：

简单概括：兴致盎然。

主要课程：Java、汇编、数据结构、算法、数据库、计网、计组、人工智能导论、多媒体、复变、概率论与数理统计、模电、数电。

深刻印象：

1. 基于Kinect的三维虚拟试衣镜（WPF + Kinect SDK + 3DS Max）。

2. Java编写记事本程序。

3. AVL树的实现与运用。

4. 音乐播放器（WPF）。

--------------------------------------------------------------------------------------------------

暑假（2015.7-2015.8）：

1. 高校教务管理系统（WPF + SQL Sever）。

2. 基于传统图像分割算法的双行车牌字符分割程序 （WinForm + EmguCV）：

　2.1 数据准备（网上找 + 实地拍）；

　2.2 学习EasyPR，学习图像处理方法（预处理，灰度化，二值化，投影分割）；

　2.3 找博客、论文学习阴影去除方法和字符分割方法。

--------------------------------------------------------------------------------------------------

大三（2015.9-2016.7）：

简单概括：课程压力大，但仍坚持进一步熟悉数字图像处理并迈入机器学习的大门。

主要课程：C#、MATLAB、操作系统、数字图像处理、计算机图形学、嵌入式系统、软件工程、微机接口、物联网RFID、自动控制原理、编译原理、电机与运动控制、计算机控制系统、无线传感网络、现代控制工程。

深刻印象：

1. 继暑假的车牌字符分割任务，进一步完成字符识别（机器学习——目标分类）。

2. 数字图像处理（视频融合Demo与街景红绿灯识别）。

3. 软件工程（快递代收app——Express）。

4. 嵌入式（基于温度与超声波测距的电机自动调速）。

5. 操作系统（txt模拟操作系统二级目录文件系统）。

--------------------------------------------------------------------------------------------------

暑假（2016.7-2016.8）：

1. 见证杭州慕鱼科技有限公司的成立

2. G20回家进行考研知识点的复习

--------------------------------------------------------------------------------------------------

大四（2016.9-2017.6）：

简单概括：保研至浙江工业大学图形图像研究所，继续跟随导师学习，正式加入团队，给实验室师兄师姐打打下手帮帮忙，时不时出下差。

学习总结：

1. 学习HOG、LBP等各种手工特征，尝试自构特征与融合特征，以优化车牌识别的效果与效率（尤其是模糊车牌的识别）。

2. 学习FFmpeg，提高YV12转BGR的效率，学习视频编解码。

3. 为方便进行视频分析处理，编写了视频播放器。

4. 研究基于背景建模和机器学习的车辆检测算法，实现交通场景的实时车辆检测（*****）。

5. 研究基于显著性算法的信号灯识别问题。

6. 出于对Pokemon的热爱，编写了Pokemon地图创建工具与简略游戏Demo。

7. 编写了SVM可视化训练与管理工具。

8. 编写基于机器学习的车辆样本自动采集系统。

9. 基于架构实现车辆压双黄线违章感知系统。

10. 基于架构，平台集成车辆结构化信息提取功能（车牌、车型、车标、车身颜色）。

--------------------------------------------------------------------------------------------------

暑假（2017.7-2017.8）：

简单概括：出差驻点开发，算是实习。

 从第三方视频云平台取视频流，对接现有的交通视频智能分析系统。

本人主要负责： 

1. 第三方视频云平台的ocx组件调试与抓包分析；

2. 第三方视频云平台的DLL调试与抓包分析； 

3. 基于FFmepg库实现多线程取流，并解码RTP头+PS封装的H264数据； 

4. 对DLL接口进行二次封装； 

5. 平台拉流性能测试。

--------------------------------------------------------------------------------------------------

研一（2017.9-2018.6）：

简单概括：开始学习深度学习，拥抱最新技术，顺便学习了大数据。（静心学习相关理论。）

　　　　　项目方面，封装深度学习API至DLL，以将深度学习用于替换原系统的相关模块。

主要课程：高级数字图像处理技术、计算机视觉、人工智能原理与应用、现代网络原理、计算理论基础、大数据与云计算、信息检索、科技论文写作、硕士英语、分布式数据库原理与设计、Machine Learning & Pattern Recognition。

工作总结：

1. 广泛涉猎各种深度学习相关资料与论文（计算机视觉与图像处理领域），学习Caffe、DarkNet、Tensorflow与Python。

2. 使用深度学习技术进一步完善车牌识别模块，以便能够处理各种制式的车牌并进一步提高识别准确率（进行了大量的标注工作）。

3. 编写游戏助手（基于特征匹配的屏幕目标监测程序，仿按键精灵）。

4. 奈文摩尔——看图写诗AI（基于深度学习的看图作诗系统，WPF + SSD + CharRNN）：

　C/S架构的PC端应用程序（客户端解析输入图像或文本，向服务器请求得到诗的主体后展示到UI）。

　4.1 SSD目标检测模型预测物体类别，从基于《诗学含英》构建的表中搜索意象作为关键字；

　4.2 Char RNN根据关键字，基于《诗学含英》一个字一个字地创作整首诗。

5. 基于Hadoop的车辆检索系统（Hadoop + HBase）：

　5.1 学习大数据与云计算视频教程；

　5.2 参考网上的博客教程，在CentOS7 下搭建Hadoop2.7.6完全分布式环境，在Windows下搭建Hadoop的Eclipse开发环境，部署ZooKeeper与HBase；

　5.3 参考Github有关工程，针对HDFS不适合存储图像小文件的缺陷，结合HIPI库，实现基于HBase的分布式图像检索功能。

6. 基于多算法集成的MRI脑肿瘤检测分割系统

　集成算法：

　基于OTSU的阈值分割方法

　基于Morphology的分割方法

　基于Flood-Fill的分割方法

　基于Grab-Cut的分割方法

　基于Silence的分割方法

　基于Deep Learning的分割方法

7. 帮金融系同学小跃编写一个网页数据监控程序，以获取感兴趣的网页数据的实时动态信息。

8.编写基于多算法集成的车牌识别方法自动化测试系统。

--------------------------------------------------------------------------------------------------

暑假（2018.7-2018.8）：

简单概括：实验室没有暑假，探究深度强化学习，深入目标检测与OCR，尝试在车牌识别任务上进行方法创新。

1. 阅读强化学习相关文献，并动手实践强化学习算法。

2. 调研各类商用车牌识别系统与顶刊顶会发表的车牌识别方法，寻找不足之处。

3. 定下研究课题——基于移动视觉的交通场景感知关键技术研究（开始往自动驾驶方向靠）

4. 研究课题实验环境的准备（Intel & 丰田开放的Carla驾驶仿真平台运行环境搭建，初步了解了下UE4）

5. 阅读YOLO源码

--------------------------------------------------------------------------------------------------

研二（2018.9-2019.6）：

简单概括：阅读文献（CV与NLP前沿），撰写论文（EDF-LPR），准备开题报告，推进课题研究（基于移动视觉的交通场景感知关键技术研究）。

工作总结：

1. 基于暑假期间对车牌识别的调研与分析，将自然语言处理领域的Sequence-to-Sequence方法迁移到车牌识别任务，用以替换传统的基于启发式方法的车牌字符排列组合；

　概括出基于深度学习的车牌识别新框架（Encoder-Decoder based Framework for License Plate Recognition, EDF-LPR），进行了大量的样本标注与充分的实验论证。

　2019年1月4日投至IEEE T-ITS期刊（SCI JCR1区），2019年4月中旬收到审稿意见，很遗憾……

　2019年4月28日修改后投至IET ITS期刊（SCI JCR3区），2019年8月初收到审稿意见；修改后于8月31日反馈revised manuscript与response letter。

2. 基于KCF的目标检测优化（结合原论文，系统阅读KCF源码，建立跟踪与检测之间的联系）。

3. 辅导本科生毕业设计（基于深度学习的占道经营检测系统设计与实现）。

4. 使用Tensorlow框架，研究基于语义分割的道路信息理解。

--------------------------------------------------------------------------------------------------

暑假（2019.7-2019.8）：

1. 秋招准备。

2. 论文实验补充与答复意见撰写。