个人简历

在本科吸烟检测研究基础上，学习如何提高在复杂光照条件下的目标检测能力。尝试探索基于YOLO架构的改进方法，学习针对低光照环境的特殊处理技术。 GitHub

• 探索针对低光照目标检测场景的改进损失函数
• 学习在不同光照条件下关注关键视觉特征的注意力机制实现方法
• 尝试优化上采样技术以在黑暗环境中保留细节信息
• 探索将轻量级低光照增强模块集成到检测流程中的方法

使用的技术： PyTorch, YOLO, 计算机视觉, CUDA, 注意力机制

状态： 进行中（2025年4月）

相关成果： 准备中的论文：YOLOv11‑LCDFS: Enhanced Smoking Detection With Low‑light Enhancement（第一作者）

开发多模态3D医学图像分割系统，整合T2加权成像和扩散加权成像(DWI)数据，实现多种深度学习架构对比研究。 GitHub

• 实现多模态医学影像数据处理，包括NIfTI格式处理、强度归一化和多掩码合并
• 开发实现3D分割架构：3D U-Net、Swin-UNETR(基于Transformer)、TransUNet和DeepLabV3Plus
• 建立数据匹配系统，处理T2和DWI影像的时间和空间对齐
• 设计3D体积到2D切片的转换流程，支持不同深度学习框架的数据格式要求

使用的技术： Python, PyTorch, NiBabel, MONAI, 3D分割, Transformer架构, 多模态融合, NumPy

状态： 进行中（2025年4月）

相关成果： 准备中的论文（多模态医学影像分割与融合方向）

开发针对医学影像的目标检测系统，关注糖尿病足溃疡检测，实现不同的YOLOv8架构变体进行系统性对比研究。 GitHub

• 实现多种注意力机制(GAM、CBAM、ECA、CoordAtt、TripletAttention)增强YOLOv8架构的特征提取能力
• 集成上采样技术(CARAFE、DySample)和动态卷积，提高小目标检测精度和特征图分辨率
• 设计基于三元组损失、Inner-CIoU和Focus Loss的自定义损失函数，优化医学图像中的目标检测性能
• 建立实验框架，通过模型变体的比较，验证不同技术组合在临床场景中的有效性

使用的技术： PyTorch, YOLOv8, 注意力机制, 动态卷积, 自定义损失函数, 上采样技术, 医学图像处理

时间： 2024年8月

开发机器学习系统用于Twitter内容质量评估和垃圾信息检测，实现传统机器学习和深度学习两种方法对比。 GitHub

• 处理包含11,968条推文的数据集，进行文本预处理和特征工程
• 创建复合特征：关注者关注比率、每关注者行动数等用户行为指标，结合TF-IDF文本特征
• 实现朴素贝叶斯分类器（网格搜索优化）和双层LSTM深度学习模型进行垃圾信息检测
• 使用ROC曲线、混淆矩阵、交叉验证等多种评估方法优化模型性能和阈值选择

使用的技术： Python, TensorFlow/Keras, LSTM, TF-IDF, NLTK, scikit-learn, Pandas, Matplotlib, Seaborn, WordCloud

时间： 2024年8月

基于各种物业特征和位置数据预测纽约市Airbnb房源价格，实现传统机器学习和深度学习两种价格预测方法。 GitHub

• 对包含49,000个房源的纽约市Airbnb数据集进行探索性分析，创建热力图和地理空间可视化查看价格分布模式
• 使用GeoPandas和Contextily进行地理空间分析，结合NYC社区边界数据可视化房源分布和价格热点区域
• 实现两种预测方法：RandomForest回归模型和Keras深度神经网络（双隐层架构）进行价格预测
• 通过特征工程和数据预处理提升模型性能，使用RMSE和MAE评估模型准确性

使用的技术： Python, Pandas, Scikit-learn, Keras/TensorFlow, GeoPandas, Contextily, Matplotlib, Seaborn, RandomForest

时间： 2024年1月

为航空相关推文开发情感分析系统，将客户反馈分类为积极、消极或中性，实现传统机器学习和深度学习两种方法对比。 GitHub

• 为Twitter数据设计文本预处理流程（去除标签、提及、表情符号、URL，词元化处理）
• 实现两种不同的方法：基于CountVectorizer的朴素贝叶斯分类器和基于LSTM的深度学习模型
• 构建双层LSTM网络架构，包含300维词嵌入层、128和64神经元的LSTM层、Dropout正则化和早停机制
• 使用词云、ROC曲线、混淆矩阵等可视化技术分析情感分布和模型性能

使用的技术： Python, TensorFlow/Keras, LSTM, 词嵌入, scikit-learn, NLTK, Pandas, Matplotlib, Seaborn, Plotly, WordCloud

时间： 2023年12月

本科毕业论文项目，在导师指导下学习结合YOLO目标检测与MediaPipe骨架跟踪技术，识别视频流中的吸烟动作。 GitHub

• 使用YOLO目标检测技术在视频中识别香烟和相关物体
• 使用MediaPipe进行实时骨架跟踪和姿态估计
• 在指导下设计算法识别特征吸烟手到嘴动作模式

使用的技术： YOLO, MediaPipe, 姿态估计, 动作识别, PyTorch, OpenCV

时间： 2023年4月

成果： 专利申请(202310277784.1)，3项软件著作权，论文获得优秀毕业论文

基于患者数据和健康指标预测心脏病的可能性 GitHub

• 对包含各种健康指标和人口统计信息的数据集进行探索性分析
• 通过特征选择和工程方法，识别心脏病的关键预测因素
• 实现和比较多种分类算法，包括K-近邻、支持向量机、随机森林和朴素贝叶斯
• 使用交叉验证技术优化模型参数提高预测性能
• 创建可视化来理解健康因素之间的关系

使用的技术： Python, TensorFlow 2.11.0, scikit-learn, Pandas, NumPy, Matplotlib, Seaborn

时间： 2022年5月