负责电商平台商品图像全链路处理，从数据标注到轻量级模型部署，支撑商品搜索、详情页属性填充及移动端视觉体验优化

• 主导设计面向移动端的轻量级商品分类模型，基于MobileNetV3 backbone融合SE注意力模块，针对手机GPU算力限制用TensorRT进行层剪枝与FP16量化，将模型延迟从80ms压缩至25ms，线上AB测试显示商品列表页点击率提升12%，支撑日均1000万+用户的商品浏览场景
• 核心参与商品图像多标签识别系统搭建，改进YOLOv7的颈部网络为BiFPN+CBAM注意力机制，解决服饰类商品小目标（如领口logo、袖口花纹）漏检问题，漏检率从15%降至5%，直接驱动商品详情页属性自动填充率达85%，减少人工标注工作量30%
• 搭建图像数据清洗与增强Pipeline，用OpenCV实现模糊图像 Laplacian 算子锐化，结合Albumentations库针对遮挡场景设计随机擦除+上下文填充策略，将训练数据质量评分从82分提升至95分，模型迭代周期从7天缩短至6天
• 对接前端团队落地商品图像风格迁移功能，基于CycleGAN预训练模型微调，生成“北欧风”“ins风”等4种场景下的商品展示图，用户商品详情页停留时长增加8%，对应商品转化效率提升5%

统筹电商平台核心视觉算法优化与跨业务落地，覆盖商品检索、内容审核、AR试穿场景，推动算法性能与业务指标双提升

• 重点优化“拍图找货”图像检索系统，基于Faiss构建亿级商品图像向量库，融合CLIP模型的文本-图像对齐能力，将跨模态检索准确率从78%提升至92%，功能上线6个月后用户渗透率从10%增长至25%，带动搜索转化提升7%
• 主导开发内容安全图像审核算法，针对违规服饰（如暴露、仿牌）、不良场景（如危险动作）识别，用Faster R-CNN+Vision Transformer融合架构，将召回率从90%提升至98%，误判率控制在0.5%以内，帮助平台减少合规风险事件80%，节省审核人力成本40%
• 推动AR试穿算法落地，基于OpenPose提取人体17个关键点，结合3D衣物模型（CLO3D导出）的骨骼绑定与物理渲染，实现实时试穿效果更新（延迟<30ms），上线3个月内用户使用次数达500万次，互动率提升20%
• 搭建视觉算法监控平台，用Prometheus采集模型准确率、延迟、QPS指标，Grafana可视化展示趋势，设置漂移预警阈值（如准确率下降5%触发），提前发现模型数据漂移问题12次，避免线上故障导致业务损失约200万元

统筹公司视觉算法战略规划与团队管理，覆盖电商、本地生活多业务线，推动大模型与CV融合及商业价值转化

• 制定公司视觉算法技术Roadmap，聚焦“精准识别+高效推理+场景适配”三大方向，带领10人团队搭建CLIP-based多模态识别系统，支持商品、内容、场景的统一语义理解，支撑“全域视觉搜索”产品上线，月活用户达300万，搜索转化率较传统文本搜索提升18%
• 主导解决跨场景模型泛化问题，针对线下门店商品图像的低光照、多视角问题，提出“域自适应（Domain Adaptation）+对抗训练（GAN-based）”方案，将模型在新场景下的准确率从70%提升至88%，帮助线下业务线商品识别覆盖率从60%扩展至90%
• 推动Segment Anything Model（SAM）与商品分割的融合应用，设计“提示词引导+局部细化”策略，实现复杂背景下商品一键分割，分割精度mIoU从85%提升至93%，支撑营销活动中商品素材自动化处理，减少设计外包成本40%
• 搭建算法人才培养体系，通过“项目实战（如AR试穿算法优化）+论文复现（如Diffusion Model在CV的应用）+技术分享（每月1次前沿算法讲解）”模式，培养3名资深工程师，团队整体算法优化效率提升30%，支撑视觉算法在电商推荐、本地生活POI识别等场景的快速落地

星途内容生态推荐系统全链路优化项目

• 星途互动作为聚焦年轻用户的UGC内容社区，面临两大核心痛点：一是长尾内容（播放量TOP20%以外）曝光占比仅28%，创作者生态活力不足；二是用户实时兴趣捕捉滞后，导致次日留存率较行业均值低5%。我的核心目标是主导构建“长尾内容冷启动+实时兴趣动态捕捉”的联合优化推荐系统，推动内容生态多元化与用户粘性提升。
• 项目中遇到三大技术挑战：1）长尾内容因用户交互稀疏，传统协同过滤无法有效提取特征；2）实时行为信号（如1分钟内的点击、滑动）需低延迟处理，但批量模型迭代无法满足时效性；3）多目标优化中，冷启动内容曝光与热门内容点击率存在天然冲突。针对这些问题，我选择用GraphSAGE挖掘长尾内容的图特征（整合内容标签、作者关系、用户弱交互行为），用Flink搭建实时流处理管道，结合在线学习模型（SGD-FM）解决低延迟更新问题，并设计定制化多任务损失函数平衡多目标。
• 我主导完成了三项关键行动：1）构建长尾内容知识图谱，涵盖12类实体（内容、作者、标签、用户行为）与8种关系（创作、关联、交互），用GraphSAGE生成内容嵌入向量，将长尾内容的特征表达能力提升40%；2）搭建Flink实时流管道，将用户实时行为转化为128维时序特征，每5分钟输入在线SGD-FM模型更新参数，实现实时兴趣的毫秒级响应；3）提出“长尾曝光占比×CTR×7日留存”的加权损失函数，通过帕累托优化确定最优权值，解决了冷启动与热门内容的平衡问题。
• 项目上线后，长尾内容播放占比从28%提升至41%，用户次日留存率提升7%，实时推荐响应时间从2.1秒降至0.3秒，模型迭代效率提升50%（在线学习替代传统批量更新）。业务层面，推动平台从“热门内容驱动”转向“多元内容生态驱动”，长尾创作者月均收入增长25%。我个人主导的GraphSAGE+在线学习方案成为公司推荐系统的核心技术模块，支撑了后续3个垂类内容频道的冷启动。

用户精准触达算法体系搭建项目

• 公司用户运营团队此前依赖规则分群（如“30天未登录”“近7天浏览量下降”）进行消息触达，转化率仅3%，且无效触达导致用户投诉率上升12%。我的核心目标是设计基于算法的精准触达体系，提升转化效率并降低运营成本，助力运营团队从“规则驱动”转向“算法驱动”。
• 项目面临三大难点：1）用户行为具有强时序性，传统静态分群无法捕捉动态兴趣变化；2）触达通道（push、短信、APP内通知）的转化率差异大，异质性难以统一建模；3）小样本群体（如新注册用户、低活跃用户）因数据不足，模型泛化能力差。技术上，我选择用LSTM+Attention建模用户时序行为，捕捉短期兴趣波动，用多任务学习同时预测各通道转化率，用迁移学习解决小样本泛化问题。
• 我主导了体系的核心架构设计与落地：1）搭建“时序行为建模层”，整合用户180天的行为序列（登录、浏览、互动、分享），用LSTM提取时序特征，通过Attention机制加权突出关键行为（如近期浏览某类内容、收藏未读消息），将用户兴趣变化的捕捉准确率提升35%；2）设计“通道异质性处理层”，为push、短信、APP内通知分别训练子模型，共享底层时序特征，输出各通道的转化概率，解决不同通道的效果差异问题；3）引入“小样本迁移层”，用Fine-tuning方法将活跃用户群体的知识迁移到新注册/低活跃用户，解决了小样本泛化问题。
• 项目上线后，精准触达的转化率从3%提升至8.5%，运营成本下降40%（减少30%的无效触达），用户对营销消息的投诉率下降18%。该体系成为公司用户运营的核心工具，后续扩展到了会员召回、活动推广等3个业务线。我个人主导的时序+多任务+迁移学习方案，奠定了公司在用户精准运营领域的技术壁垒，支撑了次年用户LTV（生命周期价值）提升15%。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。