研究生期间专注于计算机视觉技术在智慧交通领域的应用研究，依托Python技术栈开展算法开发与实验验证工作。主要承担智能交通场景下的目标检测、轨迹预测及行为分析算法研发，基于YOLOv5和DeepSORT框架改进开发了面向复杂交通场景的多目标跟踪系统，创新性地融合注意力机制与时空特征建模方法，显著提升了车辆和行人的检测跟踪精度。针对交通流量预测问题，设计了一种结合图卷积网络与长短期记忆网络的混合模型，有效捕捉路网拓扑结构与时间序列依赖性。在实验环节构建了包含十万帧的交通场景数据集，通过数据增强和迁移学习策略解决样本不均衡问题，开发了完整的模型训练与评估流水线。研究成果形成两篇北大核心期刊论文，分别探讨了基于深度学习的交通异常事件检测方法和多模态交通流量预测模型，其中提出的动态背景建模算法将误检率降低23%，时空融合预测模型在公开数据集上达到92.4%的准确率。研究过程中熟练掌握了PyTorch框架的工程化应用，具备从算法设计、实验验证到学术论文撰写的全流程科研能力，相关技术方案已应用于城市智慧交通管理系统的原型开发。
联系我时，请说是在杭州含情网络技术有限公司看到的，谢谢！
