计算机视觉高级算法工程师简历模板
【个人信息】
姓名：张明远
性别：男
年龄：32岁
学历：博士（计算机科学与技术）
毕业院校：清华大学计算机系（2018-2022）
联系方式：+86-138-XXXX-XXXX
邮箱：zhangmy@cvresearch.com
GitHub：github.com/zhangmy-cv
LinkedIn：linkedin.com/in/zhangmy-cv
【求职意向】
目标职位：计算机视觉高级算法工程师
目标领域：自动驾驶/医疗影像/工业检测/AR/VR
期望薪资：60-80万/年（可协商）
到岗时间：1个月内
工作地点：北京/上海/深圳/杭州
【教育背景】
2018.09-2022.06 清华大学计算机系 博士
研究方向：三维视觉重建与深度学习
主修课程：计算机视觉（95分）、机器学习（92分）、深度学习（93分）、数字图像处理（90分）、优化理论（88分）
博士论文：《基于多模态融合的三维场景动态重建方法研究》
论文成果：发表CCF-A类论文3篇（CVPR 2021/ICCV 2022/ECCV 2022），获最佳学生论文提名1次
2014.09-2018.06 中国科学技术大学电子工程系 学士
GPA：3.8/4.0（专业前5%）
毕业设计：《基于卷积神经网络的医学影像分类系统》
获奖情况：国家奖学金（2017）、全国大学生数学竞赛一等奖（2016）
【专业技能】
核心算法：
- 深度学习框架：PyTorch（5年经验）、TensorFlow（3年经验）、MXNet（1年经验）
- 计算机视觉基础：特征提取（SIFT/SURF/ORB）、立体匹配（SGBM/ELAS）、光流计算（Farneback/Lucas-Kanade）
- 三维重建：SfM（Bundle Adjustment）、MVS（COLMAP）、NeRF（Instant-NGP优化）
- 目标检测：YOLO系列（v3-v8）、Faster R-CNN、CenterNet
- 语义分割：U-Net、DeepLabv3+、SegFormer
- 生成模型：GAN（StyleGAN2/Diffusion Model）、VAE
工程能力：
- 模型优化：量化（INT8/FP16）、剪枝（Layer-wise）、蒸馏（Knowledge Distillation）
- 部署加速：TensorRT优化、ONNX转换、移动端部署（TFLite/MNN）
- 大规模训练：分布式训练（Horovod/PyTorch DDP）、混合精度训练
- 数据处理：数据增强（Albumentations）、标注工具（LabelImg/CVAT）、数据清洗
开发工具：
- 编程语言：Python（5年）、C++（3年）、CUDA（2年）
- 版本控制：Git/GitLab
- 调试工具：PyCharm/VSCode、Nsight Systems、TensorBoard
- 云平台：AWS EC2（p3.2xlarge）、阿里云PAI、Google Colab Pro
【工作经历】
2022.07-至今 百度Apollo自动驾驶部 高级算法工程师
职责与成果：
- 主导多传感器融合感知系统开发，设计基于Transformer的BEV（Bird's Eye View）空间特征融合网络，在nuScenes数据集上NDS评分提升8.2%
- 优化3D目标检测算法，将单帧推理延迟从120ms降至65ms（NVIDIA Orin平台），满足L4自动驾驶实时性要求
- 构建百万级场景数据闭环系统，设计主动学习策略，标注成本降低40%同时模型精度提升3.5%
- 发表技术专利2项（《基于时空注意力机制的多模态感知融合方法》、《自动驾驶场景下的动态目标跟踪系统》）
2020.06-2022.06 腾讯优图实验室 算法研究员（实习）
职责与成果：
- 参与医疗影像AI平台开发，设计轻量化肺结节检测模型，在LUNA16数据集上灵敏度达98.7%（FP@4=0.2）
- 开发基于Transformer的医学影像分割框架，减少30%参数量同时保持Dice系数95.2%
- 构建跨模态检索系统，实现CT与MRI影像的语义对齐，检索准确率提升12%
- 代码贡献：开源PyTorch-Lightning医疗影像工具包（获GitHub 1.2k星标）
【项目经验】
项目1：动态场景三维重建系统（2021.03-2022.05）
- 技术栈：PyTorch、COLMAP、Open3D、CUDA
- 创新点：
- 提出动态物体掩码生成网络，解决传统SfM中动态物体干扰问题
- 设计渐进式重建策略，将大规模场景重建时间从8小时缩短至2.5小时
- 成果：在Tanks&Temples数据集上F-score提升14%，代码被OpenMVG官方引用
项目2：工业缺陷检测系统（2020.09-2021.02）
- 技术栈：TensorFlow 2.0、OpenCV、Halcon
- 解决方案：
- 构建小样本学习框架，仅需50张标注图像即可达到98.3%检测准确率
- 设计多尺度特征融合模块，解决金属表面微小缺陷（0.2mm）检测难题
- 落地效果：部署于3条手机中框生产线，误检率从12%降至2.7%
项目3：AR眼镜手势交互系统（2019.06-2019.12）
- 技术栈：MediaPipe、Unity3D、C#
- 关键技术：
- 开发轻量化手部关键点检测模型（2.8MB），在骁龙845上运行帧率达30fps
- 设计时空约束手势识别算法，支持26种手势，识别准确率97.6%
- 商业价值：与某AR硬件厂商合作，产品已量产销售超10万台
【学术成果】
论文发表：
- "Dynamic-NeRF: Learning Dynamic Scene Representation with Neural Radiance Fields"（CVPR 2022，Oral）
- "Multi-Modal Fusion for 3D Object Detection in Autonomous Driving"（ICCV 2022）
- "Few-Shot Industrial Defect Detection via Meta-Learning"（ECCV 2022 Workshop）
- "Real-Time Hand Gesture Recognition for AR Applications"（ICRA 2021）
竞赛获奖：
- 2021 Waymo Open Dataset Challenge - 3D Detection Track 全球第3名
- 2020 COCO Object Detection Challenge 实例分割赛道第5名
- 2019 Kaggle RSNA Intracranial Hemorrhage Detection 金牌（前10%）
开源贡献：
- MMDetection3D核心贡献者（合并PR 42个）
- OpenPCDet维护者（修复关键bug 17处）
- PyTorch3D中文教程作者（获官方推荐）
【技术博客】
个人技术博客：cv-zhang.com（月均PV 1.2万）
热门文章：
- 《Transformer在计算机视觉中的20种应用方式》（阅读量2.8万）
- 《从零实现YOLOv5（附完整代码）》（GitHub星标1.5k）
- 《NeRF原理与代码解析系列》（被36氪/机器之心转载）
- 《工业级模型部署的12个坑与解决方案》（获CSDN博客专家认证）
【证书与培训】
- NVIDIA DLI深度学习认证（2021）
- 阿里云人工智能工程师（ACP）认证（2020）
- 华为HCIA-AI认证（2019）
- 参加DeepMind深度学习研讨会（2022）
- 完成斯坦福CS231n课程作业（满分）
【自我评价】
1. 技术深度：具备从数学原理到工程落地的全栈能力，熟悉SfM/MVS/NeRF等三维重建技术链，对Transformer、Diffusion Model等前沿架构有深入理解
2. 工程经验：主导过百万级数据标注系统建设，熟悉分布式训练、模型量化、移动端部署等工业化流程，有将算法从实验室到量产落地的完整经验
3. 问题解决：擅长针对复杂场景设计解决方案，如动态场景重建、小样本学习、多模态融合等，在自动驾驶、医疗影像、工业检测等领域有成功案例
4. 团队协作：具有良好的跨部门沟通能力，曾同时协调算法、数据、测试、产品等5个团队完成项目交付，具备技术管理潜力
5. 持续学习：保持每周阅读3-5篇顶会论文的习惯，GitHub累计贡献代码超5万行，开源项目获社区广泛认可
关键词：计算机视觉、深度学习、三维重建、目标检测、语义分割、Transformer、NeRF、自动驾驶、医疗影像、工业检测、PyTorch、TensorFlow、模型优化、部署加速、分布式训练、技术博客、开源贡献
简介：本文为计算机视觉高级算法工程师求职简历模板，涵盖博士教育背景、百度/腾讯工作经历、自动驾驶/医疗影像/工业检测领域项目经验、CVPR/ICCV论文成果、GitHub开源贡献及技术博客运营等内容，突出三维重建、多模态融合、模型优化等核心技术能力，适用于瞄准AI视觉领域头部企业的资深研发岗位申请。
