UP简历小U

+86 13800138000|xiaou.resume@example.com|北京

个人总结

资深人脸识别算法工程师，拥有5年以上图像处理、深度学习及人脸识别算法研发经验。精通计算机视觉、模式识别理论，熟练掌握TensorFlow、PyTorch等深度学习框架。具备从算法设计、模型训练到系统部署的全栈能力，成功将算法应用于亿级用户产品，实现识别精度提升15%，系统响应时间缩短20%。致力于以创新AI技术赋能业务，解决复杂挑战。

工作经历

高级人脸识别算法工程师

字节跳动

2020-03 - 2024-06

负责核心短视频产品的人脸识别算法研发与优化，包括活体检测、人脸比对、表情识别等模块，支持亿级日活用户的身份验证及内容创作功能。
主导研发基于多模态融合的活体检测算法，在复杂攻击场景下，活体通过率提升15%，误识率降低20%，有效抵御了深度伪造（Deepfake）攻击。
优化人脸比对模型，引入度量学习和知识蒸馏技术，在保持高精度的前提下，模型推理速度提升30%，降低了GPU资源消耗10%。
设计并实现了自适应光照和姿态变化的人脸检测算法，将检测准确率提升8%，召回率提升5%，显著提升了用户体验。
与产品、工程团队紧密协作，推动算法从概念到落地，确保算法的高效部署和稳定运行，支撑了多项百万级用户新功能的上线。

人脸识别算法工程师

旷视科技

2018-07 - 2020-02

参与智能安防项目中的人脸识别系统研发，负责人脸检测、特征提取和识别模块的算法实现与优化。
针对低分辨率和遮挡场景，改进RetinaFace和ArcFace模型，使识别准确率提升7%，并在实际部署中得到验证。
独立负责人脸关键点检测算法的开发与迭代，实现98%的准确率，为后续人脸动捕和美颜功能提供支撑。
参与构建和维护大规模人脸数据集，对数据进行清洗、标注和增强，确保训练数据的质量和多样性。
协助团队完成算法模块的单元测试、集成测试及性能优化，确保算法满足实时性和准确性要求。

项目经历

基于对抗生成网络（GAN）的人脸图像增强与修复

清华大学（硕士毕业设计）

2017-09 - 2018-06

项目背景：针对低质量、遮挡或缺失人脸图像在识别中的挑战，探索利用深度学习技术进行图像增强与修复。
个人角色：项目负责人，独立完成算法设计、模型训练、实验验证及论文撰写。
技术实现：设计并实现了一种基于条件GAN（cGAN）的图像到图像翻译模型，能够将低分辨率、有遮挡的人脸图像修复为高质量图像。
核心贡献：引入感知损失（Perceptual Loss）和纹理损失，提升了生成图像的真实感和细节表现力，在LFW数据集上，修复后的图像在人脸识别任务中将识别率提升了8%。
项目价值：为复杂场景下的人脸识别系统提供了有效的预处理方案，对提升系统鲁棒性具有重要意义。