UP简历小U

+86 138-XXXX-XXXX|xiaou@upresume.com|上海

个人总结

资深边缘计算AI工程师，精通深度学习模型在嵌入式和边缘设备上的优化与部署。具备扎实的C++/Python开发能力，熟悉TensorFlow Lite、OpenVINO等推理框架。在智能视觉、IoT领域拥有丰富项目经验，致力于通过软硬件协同优化，实现高效、低功耗的AI解决方案，推动AI技术在边缘侧的落地与应用。

工作经历

高级边缘计算AI工程师

某知名AIoT公司

2021-07 - 2024-06

负责公司核心AIoT产品线的边缘AI模型优化与部署，主要针对智能视觉识别和异常行为检测任务。
主导开发基于NVIDIA Jetson AGX Xavier平台的AI推理加速方案，将目标检测模型推理速度提升了40%，同时降低了25%的内存占用。
成功将YOLOv5模型优化并部署至边缘AI芯片（如NPU、DSP），实现了在嵌入式设备上对视频流的实时分析，准确率保持在95%以上。
设计并实现了轻量化模型蒸馏与量化流程，使模型大小平均减少了70%，同时保持了98%的原始精度，显著降低了边缘设备的存储和计算压力。
与硬件团队紧密协作，参与定制化AI加速芯片的需求定义和性能评估，确保软硬件协同效率，将整体系统功耗降低了15%。
指导并培养3名初级工程师，提升团队在边缘AI领域的研发能力。

项目经历

基于边缘计算的工业缺陷检测系统

个人项目

2023-01 - 2023-08

项目背景：针对工业生产线中传统人工检测效率低、误检率高的问题，设计并实现一套基于边缘计算的自动化缺陷检测系统。
个人角色：核心算法工程师，负责模型选型、优化、部署及系统集成。
技术栈：Python, PyTorch, TensorFlow Lite, OpenVINO, Raspberry Pi, Jetson Nano。
项目成果：
- 构建了包含10000+张图像的缺陷数据集，并训练了EfficientNet变体模型。
- 通过模型剪枝和混合精度量化，将模型大小压缩了60%，推理速度在Jetson Nano上提升了35%。
- 系统部署后，检测准确率达到98.5%，平均检测时间缩短至50ms/张，显著提升了生产效率并降低了20%的人工成本。
- 项目成果在行业技术交流会上获“创新方案奖”。

智能家居边缘语音助手原型开发

校内实验室项目

2020-03 - 2020-12

项目背景：探索在低功耗智能家居设备上实现离线语音识别和语义理解的能力。
个人角色：主要开发者，负责语音模型压缩与嵌入式部署。
技术栈：C++, Kaldi, Mycroft Mimic, ESP32。
项目成果：
- 将Kaldi语音识别模型通过模型蒸馏和量化，成功部署到ESP32微控制器，实现了离线语音指令识别。
- 系统响应时间控制在500ms以内，识别准确率在特定指令集下达到90%以上。
- 原型系统演示获得校级“优秀科研项目”评定。