SmallBamboo
AI 算法工程师
人工智能专业背景，具备扎实的机器学习与算法基础。主攻计算机视觉（CV）与图像处理，在图像分类、图像分割及轻量化模型方向有深入研究与实战经验。具备从文献调研、经典算法改进、SOTA 模型复现到 SCI 论文撰写及软著落地的全流程研发能力，具备优秀的英文文献阅读与撰写能力。
教育背景
2023.09 — 2027.06
南阳理工学院
人工智能 · 本科
GPA 3.84 · 专业前 3%
相关课程
机器学习
数字图像处理
人工智能导论
计算机视觉
深度学习
自然语言处理
职业技能
算法基础 (CV & ML)
掌握机器学习基本算法（分类、回归、聚类等）；深入研究图像处理与计算机视觉，精通图像分类、图像分割及目标检测；掌握轻量化模型及多尺度特征融合模块设计。
编程与工程语言
熟悉并掌握 C/C++ 与 Python/Shell 脚本编程；熟练使用 PyTorch 框架；具备 Linux 及容器化（Docker）环境部署与 Flask API 开发经验。
实践与落地能力
具备丰富的科研落地经验。作为核心成员主导 2 项基金项目（省级/校级）；获批软件著作权 3 项。能独立打通从 SOTA 算法复现、模型创新优化到系统开发与最终落地的实践闭环。
学术与英语能力
通过英语 CET-6，具备优秀的专业英语读写能力，能够独立完成全英文文献调研、实验设计及 SCI 英文学术论文的撰写与发表。
高水平论文
ShiftingNet: Lightweight Crop Leaf Disease Classification Model with Channel-wise Feature Shifting
《Expert Systems》· SCI 期刊 (中科院四区)
研究方向：深入研究图像分类与轻量化图像分类模型，解决边缘设备图像处理的计算开销痛点。
核心创新：设计通道级特征偏移（CFS）模块，提出 ShiftingNet 架构优化通道间信息流动。
个人贡献：独立完成 PyTorch 模型算法创新、训练及全英论文撰写；性能超越参数量 15 倍的最新 SOTA 模型。
主持基金项目
土地覆盖智能量化系统：基于改进 ConvLSR-Net 的遥感图像处理与分割
提出自适应长短程 Transformer（ALSRFormer）及多尺度自适应特征融合等改进，构建 ConvALSR-Net，在复杂遥感场景的图像处理与分割上显著提升精度，并完成落地。
基于改进 ConvLSR-Net 的耕地面积智能量化系统研发
面向真实场景图像分析，引入非对称卷积、可变形卷积和通道注意力加权，增强对复杂形态的分割能力，开发并优化耕地智能评估体系。
算法实战与竞赛经历
2025 全国大学生统计建模大赛
省级一等奖
国家级三等奖
基于 UNetFormer 模型的复杂场景图像处理与自动分割评估
应用机器学习模型处理复杂城乡遥感图像，实现高精度轻量化识别：mIoU 52.3% · 参数量 11.7M · 推理速度 115.3 FPS。
第十五届 / 十六届 蓝桥杯全国软件大赛 (C/C++ & Python)
省一 / 省二等奖
第六届全国高校计算机能力挑战赛
省级二等奖
在校经历
- 连续 2 年校级 一等奖学金
- 连续 2 年校级 三好学生称号
软件著作权
- 基于 UNetFormer 的城市绿地智能提取算法软件
- 以伪标签相互学习网络为基础的卵巢癌智能诊断软件
- 基于改进 ConvLSR-Net 的土地覆盖分割与定量估算算法软件