项目描述：技术栈：C++、OpenCV、Python、PyTorch、UNet、ONNX
项目描述：为 AGV 环境感知系统提供像素级语义分割能力，解决小目标分割精度低的问题，并实现
C++ 工程化部署。
个人工作：
? Python：数据标注、过采样、UNet 训练，引入加权交叉熵+Dice Loss
? C++推理：OpenCV DNN 加载 ONNX，后处理（阈值过滤/连通域/掩码叠加），实时可视化
? OpenCV 处理：图像归一化/翻转等预处理，输出掩码颜色映射与渲染
项目成果：
? 大目标分割 mIoU 达 82.5%，铁皮栏分割召回率提升 15%
? C++ 版本单帧处理耗时 22ms，满足嵌入式平台实时运行需求

项目描述：技术栈：C++、OpenCV、Python、PyTorch、YOLOv8、ONNX、X-AnyLabeling
项目描述：针对交通标志检测中稀缺类别样本不足、检测精度低的问题，基于 YOLOv8 构建检测模型，
并利用 C++ + OpenCV 实现模型的高效部署与实时推理。
个人工作：
? Python：完成数据采集、标注（900+张）、YOLOv8n 训练，采用样本加权+难例迭代
? C++部署：导出 ONNX，用 OpenCV DNN 实现推理管线（解码/归一化/NMS）
? OpenCV 优化：图像增强（马赛克/仿射变换）及可视化，预处理优化使延迟降 20%
项目成果：
? 太阳能板检测精确率 0.85，召回率 0.82，F1-score 0.83，较初代方案精度提升 15%+
? C++ 版本推理速度达 45 FPS（原 Python 版本 35 FPS），满足更高实时性要求