个人简历

教育背景

• 北京邮电大学，博士生 2021/09 – 至今
  • 教育部信息网络工程研究实验室（计算机视觉与模型轻量化方向）推免直博生
• 北京邮电大学，本科生 2017/09 – 2021/06
  • 计算机学院 数据科学与大数据技术专业
  • GPA：90.66/100(排名2/63)

竞赛经历

• 第十一届全国大学生数学竞赛 北京市一等奖 2019/10
• 二零一九年高教社杯全国大学生数学建模竞赛 北京市二等奖 2019/10
• 第五届中国互联网+大学生创新创业大赛（北京赛区）三等奖 2019/08
• 第九届全国大学生电子商务“创新、创意及创业”挑战赛（北京赛区）一等奖 2019/07

项目经历

• 基于PPQ离线量化工具完成视觉模型多平台部署 2022/07-2022/10
  该项目为“开源之夏2022”个人任务，本人在商汤PPQ工具链导师的指导下，针对图像分类，目标检测，实例分割共8个视觉模型，在NVIDIA GPU(TensorRT)、Intel CPU（OpenVINO）、ARM CPU（Ncnn）以及Snapdragon DSP(SNPE) 4种硬件平台和推理后端上，进行模型INT8量化部署，并与FP32对齐精度。相关代码文档已并入OpenPPL官方仓库 https://github.com/openppl-public/ppq_tools。
• 网约车平台司机伪造证件辨别算法与辅助审核系统实现 2022/03-2022/05 网约车平台“阳光出行”实习项目，个人担任算法实习生，针对注册司机上传的多种证件图片，辨别是否为伪造图像（翻拍，打印等）以减轻审核压力。为了解决伪造图片的类间相似性和类内差异性，使用多代理分类网络，对伪造和非伪造类设置多个类中心，最终达到了98.8%的模型准确度。相关模型已上线公司用户信息审核平台投入使用。
• 基于深度学习的感染性角膜炎诊断技术研究 2021/10-2022/02 与北京同仁医院合作，能够直接从病人的角膜裂隙灯图像，诊断出病人所患的感染性角膜炎类型。模型准确度能够达到89%，远高于临床医生肉眼诊断的45%。模型主要从可解释的角度出发，分析不同类型角膜炎的可能的关键病灶区域以及所具备的病理特征，为医生的临床诊断提供依据。

发表论文

PowerDet:Efficient and Lightweight Object Detection for Electric Power Open Scenes

S. Wang, Z. Ou and M. Song, "PowerDet: Efficient and Lightweight Object Detection for Electric Power Open Scenes," 2021 IEEE 7th International Conference on Cloud Computing and Intelligent Systems (CCIS), Xi'an, China, 2021, pp. 198-202, doi: 10.1109/CCIS53392.2021.9754678.

Deep learning-based classification of infectious keratitis on slit-lamp images

Zhang Z, Wang H, Wang S, et al. Deep learning-based classification of infectious keratitis on slit-lamp images[J]. Therapeutic Advances in Chronic Disease, 2022, 13: 20406223221136071.

Development and multi-center validation of machine learning model for early detection of fungal keratitis

Wei Z, Wang S, Wang Z, et al. Development and multi-center validation of machine learning model for early detection of fungal keratitis[J]. eBioMedicine, 2023, 88: 104438.