负责智慧零售场景下计算机视觉技术的顶层设计与全链路落地，支撑线下门店商品陈列分析、顾客行为识别等业务，边界涵盖技术规划、模型研发到商业价值转化的全流程

• 主导设计线下门店商品陈列合规性检测系统，基于YOLOv10与U-Net语义分割模型，识别商品摆放位置（如通道占用、品牌标准合规性）；通过迁移学习从线上商品识别模型快速迁移特征，仅1周完成模型微调，将检测准确率提升至92%，帮助门店减少80%人工巡检工作量，运营成本降低20%
• 核心研发顾客行为分析视觉模型，结合OpenPose姿态估计与DeepSORT跟踪算法，解决复杂场景下（多人重叠、光线突变）的姿态估计误差问题；引入随机遮挡、视角变换等数据增强策略，将行为识别准确率从81%提升至90%，为门店提供顾客停留时长、商品拿取动作等洞察，助力陈列优化后客单价提升12%
• 推动计算机视觉与零售数字化平台整合，开发RESTful API接口将视觉检测结果（陈列合规性、顾客行为）同步至ERP系统；优化接口响应速度从1小时至5分钟，让门店经理通过APP实时查看陈列状态，运营响应效率提升35%
• 搭建团队技术培养体系，制定计算机视觉算法工程师技能矩阵（覆盖模型研发、部署、业务理解）；组织每周技术分享（如Transformer视觉应用、TensorRT量化最佳实践），培养2名初级工程师成长为独立负责项目的中级岗，团队交付效率提升40%

负责内容电商场景下视觉内容理解与多模态融合，支撑短视频商品识别、直播货盘分析等业务，边界涵盖需求拆解、跨团队协同到模型生产落地的全生命周期

• 主导设计短视频商品识别多模态模型，融合CLIP文本-图像对齐能力与YOLOv9目标检测；针对短视频商品快速切换（平均每秒1.2次）问题，采用时序注意力机制捕捉帧间特征，将商品识别准确率从78%提升至89%，支撑直播带货商品实时打标功能，帮助商家转化效率提升15%
• 优化直播货盘视觉统计模型，基于DETR（Detection Transformer）实现无重叠多商品检测；引入MoCo v3自监督预训练减少标注依赖，将漏检率从12%降至4%，日均准确统计直播货盘商品超500万件，保障商家库存管理的实时性
• 推动视觉与推荐系统跨团队协同，将商品视觉特征（风格、材质）与用户行为特征融合，使用FAISS构建视觉特征索引优化相似性计算；推荐点击率提升9%，助力内容电商GMV增长8%
• 搭建视觉模型自动化监控体系，基于Prometheus+Grafana监控模型性能（mAP、延迟）与数据分布（图像亮度、对比度）；设置漂移预警阈值，提前7天发现用户拍摄设备变化（手机→相机）导致的性能下降，快速迭代后保持线上指标稳定

负责电商商品视觉内容精准识别与属性提取，支撑搜索推荐、智能导购等业务，边界涵盖模型优化、数据标注到移动端部署的全流程

• 主导优化电商服饰类目目标检测模型，针对领口形状、布料纹理等细粒度特征易混淆问题，采用Faster R-CNN结合CBAM注意力机制，调整anchor比例适配服饰类别先验；将服饰mAP从82%提升至89%，支撑搜索场景商品召回准确率提升11%，搜索转化率增长5%
• 核心搭建商品多属性提取pipeline，基于Mask R-CNN实现款式、颜色、图案分层分割；引入Albumentations自定义增强（随机褶皱、光照扰动）解决小样本属性（如“蕾丝边领口”）标注不足，属性召回率从75%提升至88%，支撑智能导购个性化推荐功能上线，用户点击转化提升7%
• 负责YOLOv8模型移动端部署，使用TensorRT量化（FP32→INT8）与剪枝去除冗余卷积层；模型体积缩小40%、推理速度提升3倍，满足APP端实时识别<200ms要求，日均处理用户上传商品图120万张，支撑“拍图找货”功能日活超50万
• 排查线上模型漂移问题，通过SHAP值分析定位背景复杂度（家居vs纯白底）导致特征偏移；收集20万张真实场景图扩充训练集，重新训练后误检率从5%降至1.2%，保障搜索推荐稳定性，投诉率下降60%

星途电商长尾商品精准推荐系统重构与性能优化

• 项目背景：公司聚焦宠物、户外等垂类赛道，70%商品为长尾（月销量<100件）却仅贡献15%GMV，且用户复购率较头部低22%——核心问题是传统协同过滤+DNN模型过度拟合头部行为模式，长尾商品隐性关联未被挖掘。目标：主导重构系统，将长尾转化率提升25%+，整体GMV波动≤5%。
• 关键难题：1. 长尾数据稀疏（单商品月均交互<5次），传统Embedding失效；2. 需分钟级实时更新模型，原离线Batch延迟4小时；3. 多目标（点击、转化、留存）冲突，加权求和易顾此失彼。
• 核心行动：1. 选型异构图神经网络（HAN）构建“用户-商品-属性”三元组图，融合商品类目/品牌/价格与用户行为，挖掘场景关联（如“宠物尿垫”与“宠物背包”）；2. 搭建Flink ML实时 pipeline，整合Redis+Kafka实现15分钟增量更新，特征延迟降至10秒内；3. 用遗传算法搜索帕累托最优权重，平衡点击(0.3)、转化(0.5)、留存(0.2)目标函数。
• 项目成果：上线后长尾曝光占比从18%升至32%，转化率3.1%→4.0%（超目标16%），整体GMV增长12%；模型延迟≤30秒；申请发明专利1项（《基于异构图神经网络的长尾商品推荐方法及系统》）；个人主导模型设计60%、工程落地30%。

知著内容社区中腰部创作者内容分发与成长激励算法升级

• 项目背景：平台中腰部创作者（粉丝1w-10w）占比60%，但半年流失率35%——调研显示分发精准度低（仅30%内容触达目标用户）、缺乏成长反馈。目标：主导优化分发与成长联动，将中腰部互动率提升30%，流失率下降20%。
• 关键难题：1. 中腰部创作者标签模糊，无量化成长阶段指标；2. 分发与激励脱节，优质内容未对应流量/权益；3. 新创作者冷启动难，难破初始流量池。
• 核心行动：1. 构建创作者360°画像，融合内容垂直度（关键词一致性）、粉丝画像、行为历史，定义“新手/中腰部/头部”阶段；2. 采用DDPG强化学习模型，设计状态（成长阶段、内容质量、粉丝活跃度）、动作（流量倾斜、权益类型）、奖励（互动增长×0.4+留存×0.3+质量×0.3）；3. 联动产品上线“成长任务”（如垂直内容发布得流量券），根据任务完成调整分发。
• 项目成果：中腰部曝光量升60%，互动率8.2%→11.1%（超目标37%），流失率降22%；新创作者7日留存45%→53%；社区垂直度升25%，广告主满意度升18%；个人主导模型设计50%、跨团队协作30%。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。