负责电商直播场景下实时视频分析与理解系统核心模块研发，覆盖商品识别、主播动作合规检测、低光照画质增强三大方向，支撑平台直播内容智能审核、商品精准推荐及时效性运营。

• 主导设计电商直播多商品实时识别系统，针对直播间商品堆叠、背景杂乱问题，创新融合YOLOv8目标检测与DETR密集预测头，构建多尺度特征金字塔增强小目标响应，同步引入TensorRT对模型进行INT8量化与层融合优化，将单帧推理延迟从80ms压缩至25ms（满足50fps实时性要求），商品识别准确率提升至98.7%，直接推动直播间商品点击转化率增长12%。
• 核心参与主播动作合规检测模块开发，基于OpenPose提取25个关节点构建时空特征序列，结合双向LSTM与时空注意力机制建模动作轨迹，定义包含‘过度营销手势’‘不当肢体接触’等15类违规动作库，通过主动学习策略筛选难例样本迭代模型，将误报率从18%压降至5%，当前日均拦截违规直播300+场次，平台内容合规评分提升20%。
• 攻克晚高峰低光照场景技术瓶颈，针对直播间补光不足导致的商品模糊问题，提出RetinexNet光照校正与CycleGAN风格迁移的混合增强方案，通过对抗训练优化暗光特征提取，将暗光环境下商品关键属性（如颜色、logo）识别准确率从82%提升至91%，覆盖平台40%的晚8点后高流量直播时段。
• 搭建直播数据闭环系统，集成LabelMe半自动化标注工具与自研‘难例挖掘-模型反馈’机制，每月标注效率提升35%，同时基于混淆矩阵分析定位模型薄弱类别，定向补充10万+张遮挡、小目标样本，推动商品识别模型迭代周期从2周缩短至10天，版本更新频率提升1倍。

聚焦短视频内容理解算法研发，负责视频分类、关键帧提取、多模态标签生成三大核心任务，支撑平台内容推荐、广告精准投放及版权保护业务。

• 重点优化长视频内容分类模型，针对1-10分钟短视频语义稀疏问题，设计3D ResNet-50+Transformer的混合架构，在3D卷积提取时空特征基础上，通过Transformer层建模跨帧长程依赖，引入可学习的时空注意力掩码抑制冗余信息，将长视频分类准确率从89%提升至94%，支撑平台80%的长尾视频自动打标。
• 设计高效关键帧提取算法，融合光流法计算帧间运动差异与CNN提取视觉显著性特征，提出动态阈值分割策略平衡精度与速度，关键帧召回率从75%提升至90%，单视频处理耗时从1.2s降至0.4s，年节省视频存储成本超200万元。
• 构建短视频多模态标签体系，基于BERT预训练模型对视频标题、字幕文本进行语义编码，同步提取I3D网络输出的视频帧特征，通过门控融合机制整合双模态信息，标签覆盖率从68%提升至85%，助力推荐系统CTR（点击率）提升9%，广告曝光精准度提高15%。
• 推动模型轻量化落地，采用通道剪枝（保留85%关键通道）与教师-学生知识蒸馏策略，将分类模型参数量从1.2G压缩至480M，推理耗时从120ms降至45ms，成功适配移动端APP低算力环境，端侧实时推荐功能上线后用户停留时长增加8%。

参与智慧园区安防系统核心算法研发，负责行人检测、车辆识别、异常行为预警模块开发，支撑园区人员与车辆安全管理。

• 主导改进YOLOv3行人检测模型，针对园区监控中行人遮挡、尺度变化问题，在Backbone引入FPN（特征金字塔网络）增强多尺度特征融合，同时在Head层添加CBAM注意力模块抑制背景干扰，将100x100像素以下小目标行人检测准确率从72%提升至85%，园区漏检事件减少30%。
• 设计多目标跟踪系统，基于DeepSORT框架优化卡尔曼滤波预测步长与匈牙利匹配代价函数，同步升级ReID特征提取网络为ResNet-50+ArcFace损失函数，MOTA（多目标跟踪准确率）指标从78%提升至89%，支持园区50路摄像头实时跟踪，轨迹连续性达95%以上。
• 开发异常行为检测模块，通过OpenPose提取人体骨架关键点，构建LSTM网络学习运动轨迹时序特征，定义‘快速奔跑’‘三人以上聚集’‘长时间逗留’等5类异常模式，结合置信度阈值与时间窗口过滤误报，预警准确率从65%提升至80%，协助安保团队处置潜在风险事件50+起。
• 搭建安防数据标注平台，集成LabelImg标注工具与自研质量校验规则（如关键点可见性标注一致性、框选边界模糊度检测），标注错误率从12%降至3%，数据生产效率提升40%，保障模型训练数据的高可靠性与标注一致性。

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。