负责本地生活服务平台商家素材审核、用户端视觉交互及AR功能的核心算法迭代，覆盖从素材内容理解到前端体验优化的全链路视觉算法落地，支撑商家合规经营与用户体验提升的业务目标

• 主导设计基于多模态融合的商家素材智能审核算法，针对本地生活商家上传的菜品图、环境图中存在的模糊、违规内容（如过期食材暴露、虚假场景拼接）问题，采用CLIP模型实现图像-文本语义对齐，融合YOLOv8目标检测定位违规元素、OCR技术提取文本描述，构建“视觉+文本”双维度审核规则引擎，解决传统单模态审核漏检率高的痛点；上线后审核准确率从89%提升至96%，人工复审量下降40%，支撑平台日均处理120万+素材的合规需求
• 核心参与用户端商品图超分辨率与风格化优化项目，针对中小商家低清商品图导致转化率低的问题，基于ESRGAN改进网络结构——引入CBAM注意力机制强化美食纹理、服饰材质等关键区域细节恢复，结合CycleGAN实现风格迁移以适配平台“清新写实”的统一视觉风格；优化后商品图点击转化率提升18%，商家对素材质量的满意度调研得分从4.2升至4.7（满分5分）
• 重点优化AR试妆功能的实时性与精度，针对移动端算力限制导致的300ms延迟、妆容边缘模糊问题，采用MobileNetV3重构人脸检测与妆容渲染pipeline，融合MediaPipe Face Mesh实现68点人脸关键点精准定位，通过模型量化（FP16转INT8）与剪枝（移除冗余卷积核）将推理时间压缩至80ms以内；功能上线后试妆用户留存率提升25%，成为平台美妆类商家的核心转化工具
• 搭建视觉算法效果评估体系，整合混淆矩阵、IoU（目标检测）、PSNR（图像质量）、AUC-ROC（分类）等多维度指标，结合Optimizely A/B测试框架实现算法迭代的快速验证；每月输出《算法性能与业务价值报告》，推动审核算法迭代周期从双周缩短至每周，及时响应“新型虚假宣传图”“AI生成违规素材”等业务新挑战

负责电商平台商品视觉内容的理解与推荐算法落地，聚焦商品图特征提取、坏果识别及主图优化的核心场景，支撑商品曝光效率与用户决策体验的提升

• 主导商品图视觉特征库构建，基于Faster R-CNN提取商品主体区域特征，结合VGG-19全局特征形成多维度visual embedding，接入推荐系统的召回层；优化后商品推荐的视觉相关性提升22%，用户加购率提升12%，助力平台服饰类目GMV月均增长8%
• 核心参与生鲜商品坏果识别算法开发，针对生鲜图片中腐烂、破损区域边界模糊、样本量少的问题，采用U-Net改进模型——引入注意力门控机制聚焦病变区域，基于迁移学习（预训练在ImageNet上）解决小样本泛化问题；算法准确率达93%，售后纠纷率下降30%，支撑生鲜类目“坏果秒赔”服务的落地
• 优化商品主图背景替换功能，基于Style Transfer GAN实现背景与主体风格的自动匹配，解决传统模板替换导致的“主体与背景割裂”问题；商家使用该功能的商品图曝光量提升35%，成为平台“商家成长中心”的热门工具

协助完成视觉算法的基础开发与优化，覆盖数据标注、模型训练到移动端部署的全流程，为后续算法迭代提供数据与工程支撑

• 参与商品图片数据集标注与清洗，制定基于LabelMe的多类别标注规范（涵盖12类商品、8种违规类型），通过交叉验证解决多标注人员的一致性问题；清洗后的数据集准确率达98%，为后续ResNet-18分类模型训练奠定基础
• 辅助开发商品图分类模型，基于ResNet-18进行微调，优化损失函数为Focal Loss以解决“服饰鞋包”类样本不平衡问题；模型分类准确率从85%提升至91%，支撑平台商品库的自动化分类需求
• 参与视觉算法移动端部署测试，使用TensorFlow Lite将分类模型压缩至原大小的1/3，推理时间降低50%；实现低端机型（如红米Note 7）的流畅运行，推动算法在App端的落地应用

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。