UP简历小U

+86 138-0013-8000|up.ai.resume@example.com|上海

资深智能座舱感知算法工程师，专注于计算机视觉与深度学习技术在车载环境中的应用。尤其擅长在暗光及复杂光照条件下，通过红外视觉技术优化驾驶员状态感知系统，实现了眼动追踪精度高达95%的突破性提升。具备从算法设计、模型训练到嵌入式部署的全栈能力，致力于提升智能座舱的安全性和用户体验。

某头部自动驾驶公司

2021-07 - 2024-06

主导并成功开发了新一代驾驶员状态监控系统（DMS），核心技术为暗光环境下基于红外视觉的眼动追踪算法。通过创新的深度学习模型和图像增强技术，将夜间眼动追踪的平均精度从80%提升至95%，误报率降低了70%。
负责多模态感知数据融合，结合红外、可见光摄像头数据，优化驾驶员疲劳、分心检测算法，使系统在复杂光照条件下的识别准确率提升了15%。
参与嵌入式平台算法优化与部署，成功将高精度眼动追踪模型部署到英伟达Orin平台，实现了毫秒级实时响应，资源占用降低了20%。
设计并实施了大规模驾驶行为数据集构建与标注流程，积累了超过100万帧的红外与可见光驾驶员行为数据，为算法迭代提供了坚实基础。
通过技术创新，助力公司新一代智能座舱产品在市场竞争中脱颖而出，获得3家头部车企的量产项目，预计为公司带来数亿元营收增长。

公司内部研发项目

2022-03 - 2023-01

项目背景： 传统可见光摄像头在暗光环境下对驾驶员眼动追踪效果不佳，存在安全隐患。
个人角色： 核心算法负责人，主导红外视觉方案选型与算法设计。
技术实现： 引入近红外（NIR）摄像头，设计并训练了基于Transformer架构的眼动追踪模型，结合自适应光照补偿算法，有效克服了暗光、逆光等挑战。
关键成果： 在ALAS（Advanced Light Adaptive System）测试场景下，眼动追踪平均误差降低了60%，实现了在0.1 Lux极暗环境下瞳孔定位精度达到1mm以内，显著提升了驾驶员监控系统的可靠性。
项目价值： 该技术已成功应用于公司下一代智能座舱DMS系统，为用户提供更安全的夜间驾驶辅助。

清华大学（硕士毕业设计）

2020-03 - 2021-05

项目背景： 单一任务模型难以全面捕捉驾驶员复杂行为特征，且计算资源消耗大。
个人角色： 项目负责人，算法设计与模型训练。
技术实现： 提出了一种多任务学习框架，同时进行驾驶员头部姿态估计、视线方向预测和疲劳检测。采用共享编码器和特定任务解码器，有效提升了模型效率和泛化能力。
关键成果： 相较于独立模型，多任务模型在同等计算资源下，姿态估计精度提升了10%，疲劳检测准确率提升了8%，模型推理速度提升25%。
项目价值： 为车载边缘计算设备上的高效驾驶员行为分析提供了可行方案，相关成果发表于IEEE Transactions on Intelligent Vehicles。