-
Notifications
You must be signed in to change notification settings - Fork 0
/
xiaohu_init.html
240 lines (224 loc) · 19.8 KB
/
xiaohu_init.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
<!DOCTYPE HTML>
<html>
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0"/>
<meta name="Keywords" content="blog"/>
<meta name="Description" content="blog"/>
<title>Simple</title>
<link rel="shortcut icon" href="/static/favicon.png"/>
<link rel="stylesheet" type="text/css" href="/main.css" />
</head>
<body>
<div class="main">
<div class="header">
<ul id="pages">
<li><a href="/">home</a></li>
<li><a href="/#/tags">tags</a></li>
<li><a href="/#/archive">archive</a></li>
</ul>
</div>
<div class="wrap-header">
<h1>
<a href="/" id="title"></a>
</h1>
</div>
<div id="md" style="display: none;">
<!-- markdown -->
##Personal Info
Name:阮晓虎
Birth: 1986.7
Gander: Male
Tel:+86-13124757621
E-mail:[email protected]
##Working Experience
* 2017.6-now **同盾科技-内容安全-图像算法专家**
作为反欺诈-图像组负责人，带领6人左右算法团队，业务涉及：OCR技术、图像内容安全（暴恐、垃圾广告文本、色情、政治人物识别、人脸对比、图像黑样本检索等）
[**项目1**] :通用OCR：包括广告文字、学信网、公积金图片信息、身份证（中国、印尼等）、营业执照、行驶证、驾驶证文本识别
\>工作1:基于[CTPN(ECCV2016 Weilin Huang .etc)](https://arxiv.org/pdf/1609.03605.pdf)算法上线通用文字检测服务，CTPN算法主要考虑将图像中的文本行作为一个sequence的思路来做检测，根据这个sequence的行信息确定文本行的y方向位置，再经过文本行连接策略确定文本行位置，在对比[TextBoxes](https://arxiv.org/pdf/1611.06779.pdf)， [Seglink(CVPR2017)](http://mc.eistar.net/UpLoadFiles/Papers/SegLink_CVPR17.pdf), [SSD](https://arxiv.org/pdf/1512.02325.pdf)， 以及segmentation based(FCN, [EAST](https://arxiv.org/pdf/1704.03155.pdf), [mask-rcnn](https://alvinzhu.xyz/2017/10/07/mask-r-cnn/))等算法，从数据标注成本、效率、效果等综合考虑，最终选取CTPN进行训练，调试参数、上线部署，2k规模测试集召回率95.5%，准确率93%，1080TI 11G显存测试平均QPS 26. 已达上线标准。
\>工作2:基于CTPN作者已开放测试[源码](https://github.com/tianzhi0549/CTPN)基于[caffe](http://caffe.berkeleyvision.org)框架复现训练代码，实现input\_data\_layer，bbox\_target\_layer, rpn\_cls\_loss\_layer, textline\_bbox\_loss\_layer等相关layer，并进行模型训练。
\>工作3:支持印尼身份证、国内二代身份证识别的OCR检测和识别。检测方案使用前文所述CTPN，识别采用基于文本行的序列预测算法。调研[CRNN](https://arxiv.org/pdf/1507.05717.pdf)（使用CNN做特征提取，采用bi-LSTM学习序列的长短期依赖关系，使用[CTC Loss](https://www.cs.toronto.edu/~graves/icml_2006.pdf), [
Warp-CTC](https://github.com/baidu-research/warp-ctc/blob/master/README.zh_cn.md)作为损失函数学习模型参数）及[seq2seq+Attention model](https://ai.googleblog.com/2017/07/building-your-own-neural-machine.html)（CNN处理文本行特征输入序列，使用带Attention的编码器解码器进行序列依赖关系的学习），最终根据分析及算法效果选用第二种算法进行模型训练、调优及部署，算法处于上线状态。中国二代身份证识别准确率99%以上，印尼身份证根据字段不同，识别率90%～98%。
\>工作4:支持学信网、公积金OCR识别中的检测：学信网的OCR检测要求CPU环境的快速算法，考虑学信网图像相对简洁（类似一般PDF文本文件），因此，采用sobel算子、二值化和横向结构的形态学算子(膨胀+腐蚀)，以及二值化形状约束进行检测，最终算法在CPU机器部署，检测召回和精度均大于99%，QPS：52左右，稳定运行时间大于3 months。
[**项目2**] :二维码检测与识别
\>工作1:采用SSD算法检测+mobilenet_v1网络做分类的二维码检测任务，测试召回率100%，审核量30～50，现已稳定运行6 months。
[**项目3**] :用于图像算法的机器学习平台架构设计
\>工作1:主导设计机器学习平台组件及架构，包括：数据存储，数据管理，标注平台，训练平台，模型管理，模型发布等功能组件，并推进相关项目小组实现和项目验收。目前，项目正在进展中。
* 2016.9-2017.5 **阿里杭州iDst-拍立淘团队-资深算法工程师**
[**项目1**] :拍立淘类目及数据选品
\>工作：在寻求拍立淘图像搜索效果的提升方面：a). 对全淘商品搜索类目的划分做优化，使得最终个别类目精度提升达5～10个百分点，搜索结果的同款率提升1～2个百分点；b).通过选品数据的扩充，提高query类别的鲁棒性；
[**项目2**] :拍立淘类目预测个性化
\>工作：利用实时搜索pvlog的分析及GBDT算法模型，对搜索类目进行辅助预测，实现离线实验效果分析，实时pvlog到个性化特征计算，分布式GBDT模型训练，预测模块online服务开发、部署、压测等，最终各模块达上线状态，效果：使得类目预测精度提升7个百分点左右，同款率提升1～5个百分点不等；
[**项目3**] :万物识别
\>工作：利用[Caffe](http://caffe.berkeleyvision.org)进行[tripletloss](https://github.com/luhaofang/tripletloss/blob/master/train.prototxt)训练，修改LMDB数据组织格式，在训练中（相应data_layer）从图像分类类目维度对样本进行过滤；
* 2014.2-2016.9 **阿里-高德地图研发中心**－基础技术研发部图像组
[**项目1**] :地图数据生产道路交通标志**红圆、蓝圆、黄三角**自动识别
\>技术：Adaboost级联分类器，深度学习CNN框架caffe实践，AlexNet、NIN等网络结构应用；多种特征的Adaboost分类器训练，特征选择，建立样本迭代机制
\>效果：算法在众包、高精、智能硬件、DVR等数据源上（测试集规模20w左右）召回率达98%，准确率90～95%，百图错误率(FalseAlarm per hundred)约0.25左右；
\>应用：算法在高德数据生产线的表现，相比人工提效达200%；
[**项目2**] :地图数据生产道路交通标志**蓝绿色路牌**自动识别
\>技术：颜色、GraphBase等图像分割，多特征融合、SVM分类器/随即森林分类器迭代循环训练
\>效果：在测试集上识别蓝绿色道路标志牌物理点召回率达80%(后采用CNN深度学习该项指标已被提升至96%);
[**项目3**] :地图数据生产道路交通标志**地面行车引导线**自动识别
\>技术：采用消失点算法Locally adaptive soft-voting(LASV)确定道路数据采集图像的消失点，由消失点对图像做俯视图转换，在转换过后的图像上采用Adaboost级联分类器+CNN细分类，得出最终识别结果
\>效果：在高精图像上召回达91%（最后组内其他人采用FCN方法检测，召回93%左右），百图噪声1.2左右
[**项目4**] :基于Faster RCNN的蓝方牌矢量化
\>技术：Faster-rcnn目标检测算法，caffe深度网络OCR中文文字分类
[**项目5**] :街景图像全景图拼接
\>技术：SIFT匹配，RANSAC算法，摄像头参数估计，拼缝矫正As Projective As Possible(APAP)算法，球面坐标转换
\>效果：该全景图拼接算法为高德地图2014年末的全景图上线提供重要支持；
##Skills and Personality
* 外语：CET4(558/710),CET6(502/710),IELTS(5.5/9)
* 编程语言：C/C++，Python，Shell，java(Map/Reduce) ，SQL，Matlab
* 图像算法：图像处理基础(匹配，增强，去雾，拼接(APAP)，二值化(OSTU),直方图均衡化等，特征SIFT, SURF, LBP, HOG, PCA等), 机器学习(Adaboost, SVM, Random Forest,K-means, KNN, LDA，LR，GBDT), 深度学习(Caffe CNN, Faster-rcnn，FCN, YOLO, SSD等)
* 深度学习框架：[Caffe](http://caffe.berkeleyvision.org)，[TensorFlow](https://www.tensorflow.org/)，[MxNet](http://mxnet.io/index.html)
* 阿里大数据平台：[MaxCompute](https://help.aliyun.com/product/27797.html)，PROSCHE，MPI等
* 性格爱好：开朗随和，真诚率直，体育爱好：羽毛球、篮球、游泳、骑行
##Eeducation
* 2011.09—2014.06 **硕士** 中科院半导体研究所 高速电路与神经网络实验室 电子信息工程
研究方向:图像、视频处理，模式识别，机器学习
* 2007.09—2011.06 **本科** 中央民族大学 信息工程学院 电子信息工程
## FULL CV
* ［[中文版简历](https://github.com/xiaohujecky/xiaohujecky.github.io/blob/master/%E9%98%AE%E6%99%93%E8%99%8E4years.pdf)］
<!-- markdown end -->
</div>
<div class="entry" id="main">
<!-- content -->
<h2 id="personalinfo">Personal Info</h2>
<p>Name:阮晓虎 <br>
Birth: 1986.7 <br>
Sex: Male <br>
Tel:+86-13124757621 <br>
E-mail:[email protected] </p>
<h2 id="workingexperience">Working Experience</h2>
<ul>
<li>2017.6-now <strong>同盾科技-内容安全-图像算法专家</strong> <br>
作为反欺诈-图像组负责人，带领6人左右算法团队，业务涉及：OCR技术、图像内容安全（暴恐、垃圾广告文本、色情、政治人物识别、人脸对比、图像黑样本检索等） <br>
[<strong>项目1</strong>] :通用OCR：包括广告文字、学信网、公积金图片信息、身份证（中国、印尼等）、营业执照、行驶证、驾驶证文本识别 <br>
>工作1:基于<a href="https://arxiv.org/pdf/1609.03605.pdf">CTPN(ECCV2016 Weilin Huang .etc)</a>算法上线通用文字检测服务，CTPN算法主要考虑将图像中的文本行作为一个sequence的思路来做检测，根据这个sequence的行信息确定文本行的y方向位置，再经过文本行连接策略确定文本行位置，在对比<a href="https://arxiv.org/pdf/1611.06779.pdf">TextBoxes</a>， <a href="http://mc.eistar.net/UpLoadFiles/Papers/SegLink_CVPR17.pdf">Seglink(CVPR2017)</a>, <a href="https://arxiv.org/pdf/1512.02325.pdf">SSD</a>， 以及segmentation based(FCN, <a href="https://arxiv.org/pdf/1704.03155.pdf">EAST</a>, <a href="https://alvinzhu.xyz/2017/10/07/mask-r-cnn/">mask-rcnn</a>)等算法，从数据标注成本、效率、效果等综合考虑，最终选取CTPN进行训练，调试参数、上线部署，2k规模测试集召回率95.5%，准确率93%，1080TI 11G显存测试平均QPS 26. 已达上线标准。 <br>
>工作2:基于CTPN作者已开放测试<a href="https://github.com/tianzhi0549/CTPN">源码</a>基于<a href="http://caffe.berkeleyvision.org">caffe</a>框架复现训练代码，实现input_data_layer，bbox_target_layer, rpn_cls_loss_layer, textline_bbox_loss_layer等相关layer，并进行模型训练。 <br>
>工作3:支持印尼身份证、国内二代身份证识别的OCR检测和识别。检测方案使用前文所述CTPN，识别采用基于文本行的序列预测算法。调研<a href="https://arxiv.org/pdf/1507.05717.pdf">CRNN</a>（使用CNN做特征提取，采用bi-LSTM学习序列的长短期依赖关系，使用<a href="https://www.cs.toronto.edu/~graves/icml_2006.pdf">CTC Loss</a>, <a href="https://github.com/baidu-research/warp-ctc/blob/master/README.zh_cn.md">
Warp-CTC</a>作为损失函数学习模型参数）及<a href="https://ai.googleblog.com/2017/07/building-your-own-neural-machine.html">seq2seq+Attention model</a>（CNN处理文本行特征输入序列，使用带Attention的编码器解码器进行序列依赖关系的学习），最终根据分析及算法效果选用第二种算法进行模型训练、调优及部署，算法处于上线状态。中国二代身份证识别准确率99%以上，印尼身份证根据字段不同，识别率90%～98%。 <br>
>工作4:支持学信网、公积金OCR识别中的检测：学信网的OCR检测要求CPU环境的快速算法，考虑学信网图像相对简洁（类似一般PDF文本文件），因此，采用sobel算子、二值化和横向结构的形态学算子(膨胀+腐蚀)，以及二值化形状约束进行检测，最终算法在CPU机器部署，检测召回和精度均大于99%，QPS：52左右，稳定运行时间大于3 months。 <br>
[<strong>项目2</strong>] :二维码检测与识别 <br>
>工作1:采用SSD算法检测+mobilenet_v1网络做分类的二维码检测任务，测试召回率100%，审核量30～50，现已稳定运行6 months。 <br>
[<strong>项目3</strong>] :用于图像算法的机器学习平台架构设计 <br>
>工作1:主导设计机器学习平台组件及架构，包括：数据存储，数据管理，标注平台，训练平台，模型管理，模型发布等功能组件，并推进相关项目小组实现和项目验收。目前，项目正在进展中。 <br>
</li>
<li>2016.9-2017.5 <strong>阿里杭州iDst-拍立淘团队-资深算法工程师</strong> <br>
[<strong>项目1</strong>] :拍立淘类目及数据选品 <br>
>工作：在寻求拍立淘图像搜索效果的提升方面：a). 对全淘商品搜索类目的划分做优化，使得最终个别类目精度提升达5～10个百分点，搜索结果的同款率提升1～2个百分点；b).通过选品数据的扩充，提高query类别的鲁棒性； <br>
[<strong>项目2</strong>] :拍立淘类目预测个性化 <br>
>工作：利用实时搜索pvlog的分析及GBDT算法模型，对搜索类目进行辅助预测，实现离线实验效果分析，实时pvlog到个性化特征计算，分布式GBDT模型训练，预测模块online服务开发、部署、压测等，最终各模块达上线状态，效果：使得类目预测精度提升7个百分点左右，同款率提升1～5个百分点不等； <br>
[<strong>项目3</strong>] :万物识别 <br>
>工作：利用<a href="http://caffe.berkeleyvision.org">Caffe</a>进行<a href="https://github.com/luhaofang/tripletloss/blob/master/train.prototxt">tripletloss</a>训练，修改LMDB数据组织格式，在训练中（相应data_layer）从图像分类类目维度对样本进行过滤； <br>
</li>
<li>2014.2-2016.9 <strong>阿里-高德地图研发中心</strong>－基础技术研发部图像组 <br>
[<strong>项目1</strong>] :地图数据生产道路交通标志<strong>红圆、蓝圆、黄三角</strong>自动识别 <br>
>技术：Adaboost级联分类器，深度学习CNN框架caffe实践，AlexNet、NIN等网络结构应用；多种特征的Adaboost分类器训练，特征选择，建立样本迭代机制 <br>
>效果：算法在众包、高精、智能硬件、DVR等数据源上（测试集规模20w左右）召回率达98%，准确率90～95%，百图错误率(FalseAlarm per hundred)约0.25左右； <br>
>应用：算法在高德数据生产线的表现，相比人工提效达200%； <br>
[<strong>项目2</strong>] :地图数据生产道路交通标志<strong>蓝绿色路牌</strong>自动识别 <br>
>技术：颜色、GraphBase等图像分割，多特征融合、SVM分类器/随即森林分类器迭代循环训练 <br>
>效果：在测试集上识别蓝绿色道路标志牌物理点召回率达80%(后采用CNN深度学习该项指标已被提升至96%); <br>
[<strong>项目3</strong>] :地图数据生产道路交通标志<strong>地面行车引导线</strong>自动识别 <br>
>技术：采用消失点算法Locally adaptive soft-voting(LASV)确定道路数据采集图像的消失点，由消失点对图像做俯视图转换，在转换过后的图像上采用Adaboost级联分类器+CNN细分类，得出最终识别结果 <br>
>效果：在高精图像上召回达91%（最后组内其他人采用FCN方法检测，召回93%左右），百图噪声1.2左右 <br>
[<strong>项目4</strong>] :基于Faster RCNN的蓝方牌矢量化 <br>
>技术：Faster-rcnn目标检测算法，caffe深度网络OCR中文文字分类 <br>
[<strong>项目5</strong>] :街景图像全景图拼接 <br>
>技术：SIFT匹配，RANSAC算法，摄像头参数估计，拼缝矫正As Projective As Possible(APAP)算法，球面坐标转换 <br>
>效果：该全景图拼接算法为高德地图2014年末的全景图上线提供重要支持；</li>
</ul>
<h2 id="skillsandpersonality">Skills and Personality</h2>
<ul>
<li>外语：CET4(558/710),CET6(502/710),IELTS(5.5/9) </li>
<li>编程语言：C/C++，Python，Shell，java(Map/Reduce) ，SQL，Matlab</li>
<li>图像算法：图像处理基础(匹配，增强，去雾，拼接(APAP)，二值化(OSTU),直方图均衡化等，特征SIFT, SURF, LBP, HOG, PCA等), 机器学习(Adaboost, SVM, Random Forest,K-means, KNN, LDA，LR，GBDT), 深度学习(Caffe CNN, Faster-rcnn，FCN, YOLO, SSD等)</li>
<li>深度学习框架：<a href="http://caffe.berkeleyvision.org">Caffe</a>，<a href="https://www.tensorflow.org/">TensorFlow</a>，<a href="http://mxnet.io/index.html">MxNet</a> </li>
<li>阿里大数据平台：<a href="https://help.aliyun.com/product/27797.html">MaxCompute</a>，PROSCHE，MPI等</li>
<li>性格爱好：开朗随和，真诚率直，体育爱好：羽毛球、篮球、游泳、骑行 </li>
</ul>
<h2 id="eeducation">Eeducation</h2>
<ul>
<li>2011.09—2014.06 <strong>硕士</strong> 中科院半导体研究所 高速电路与神经网络实验室 电子信息工程 <br>
研究方向:图像、视频处理，模式识别，机器学习 </li>
<li>2007.09—2011.06 <strong>本科</strong> 中央民族大学 信息工程学院 电子信息工程</li>
</ul>
<h2 id="fullcv">FULL CV</h2>
<ul>
<li>［<a href="https://github.com/xiaohujecky/xiaohujecky.github.io/blob/master/%E9%98%AE%E6%99%93%E8%99%8E4years.pdf">中文版简历</a>］ </li>
</ul>
<!-- content end -->
</div>
<br>
<br>
<div id="disqus_thread"></div>
<div class="footer">
<p>© Copyright 2014 by isnowfy, Designed by isnowfy</p>
</div>
</div>
<script src="main.js"></script>
<script id="content" type="text/mustache">
<h1>{{title}}</h1>
<div class="tag">
{{date}}
{{#tags}}
<a href="/#/tag/{{name}}">#{{name}}</a>
{{/tags}}
</div>
</script>
<script id="pagesTemplate" type="text/mustache">
{{#pages}}
<li>
<a href="{{path}}">{{title}}</a>
</li>
{{/pages}}
</script>
<script>
$(document).ready(function() {
$.ajax({
url: "main.json",
type: "GET",
dataType: "json",
success: function(data) {
$("#title").html(data.name);
var pagesTemplate = Hogan.compile($("#pagesTemplate").html());
var pagesHtml = pagesTemplate.render({"pages": data.pages});
$("#pages").append(pagesHtml);
//path
var path = "xiaohu_init.html";
//path end
var now = 0;
for (var i = 0; i < data.posts.length; ++i)
if (path == data.posts[i].path)
now = i;
var post = data.posts[now];
var tmp = post.tags.split(" ");
var tags = [];
for (var i = 0; i < tmp.length; ++i)
if (tmp[i].length > 0)
tags.push({"name": tmp[i]});
var contentTemplate = Hogan.compile($("#content").html());
var contentHtml = contentTemplate.render({"title": post.title, "tags": tags, "date": post.date});
$("#main").prepend(contentHtml);
if (data.disqus_shortname.length > 0) {
var disqus_shortname = data.disqus_shortname;
(function() {
var dsq = document.createElement('script'); dsq.type = 'text/javascript'; dsq.async = true;
dsq.src = '//' + disqus_shortname + '.disqus.com/embed.js';
(document.getElementsByTagName('head')[0] || document.getElementsByTagName('body')[0]).appendChild(dsq);
})();
}
}
});
});
</script>
<script src="http://cdn.mathjax.org/mathjax/latest/MathJax.js?config=TeX-AMS-MML_HTMLorMML"></script>
<script type="text/x-mathjax-config">
MathJax.Hub.Config({tex2jax: {inlineMath: [['$','$'], ["\\(", "\\)"]], processEscapes: true}});
</script>
</body>
</html>