计算机视觉人工智能公司算法工程师实习报告

计算机视觉人工智能公司算法工程师实习报告一、摘要2023年6月5日至8月23日，我在计算机视觉人工智能公司担任算法工程师实习生。核心工作成果包括参与开发实时目标检测模型，将YOLOv5的mAP从72.3%提升至78.6%，通过迁移学习优化模型在低光照场景下的识别准确率至89.1%。应用PyTorch框架实现数据增强策略，使训练集多样性提升40%，有效缓解过拟合问题。掌握并实践了模型量化技术，将模型推理速度提升2.3倍，部署在边缘设备上的延迟降低至30ms。提炼的可复用方法论包括动态超参数调整策略，通过网格搜索与贝叶斯优化结合，关键参数搜索效率提高65%。这些成果为后续算法迭代提供了数据支撑和效率优化路径。二、实习内容及过程2023年6月5日到8月23日，我在一家做计算机视觉的公司实习，岗位是算法工程师。刚去那会儿主要是熟悉环境，跟着导师看了一些他们正在做的项目，比如自动驾驶里面的车道线检测和行人识别。导师给我布置了第一个任务，是优化一段现有的图像预处理代码。原始代码在处理高动态范围图像时，曝光过度和阴影区域信息丢失挺严重，我花了两天时间调研了直方图均衡化算法，对比了直方图规定化、自适应直方图均衡化这些方法，最后用OpenCV实现了改进方案。测试集上可见光图像的SAD损失从0.086下降到0.063，夜间图像的mIoU提升了约5个百分点。第4周开始参与一个实时目标检测项目，用的是YOLOv5框架。当时模型在低光照场景下漏检率特别高，最高能到18%，我跟团队一起分析发现是关键特征丢失。我尝试了几个方案，先是调整了锚框尺寸，但效果不明显。后来花了三周时间研究模型蒸馏，用我学校毕设积累的标注数据训练一个教师模型，再用它指导学生模型的微调。最终在同等参数下，低光照数据的AP50从0.65提升到0.82。这个过程中踩了不少坑，比如蒸馏时损失函数权重设置不当，导致学生模型泛化能力反而下降。最后我们确定了0.6的权重比例，效果才稳定下来。后期我还参与了模型部署环节，把优化后的模型量化成INT8格式。用TensorRT打包后，在JetsonOrin边缘板上测试，相比FP16推理速度提升了2.3倍，端到端延迟从280ms降到120ms。不过量化过程中也遇到小麻烦，比如小概率异常值检测效果变差，最后通过在训练集里人为增加这些样本来解决。整个实习期间，我每天都会整理技术文档，把遇到的问题和解决方案都记录下来。比如有一次用PyTorch实现数据增强时，随机翻转和色彩抖动叠加使用会导致图像失真，后来改成独立采样再组合，增强了训练集多样性约40%。导师也建议我多看论文，特别是ICDAR这种顶会的最新工作，让我对Transformer在OCR任务中的应用有了新认识。虽然有时候加班到晚上十点，但确实把很多书本上学不到的东西都学到了。三、总结与体会这八周，从2023年6月5日到8月23日，感觉像是突然被推到了真实世界的战场。以前做项目，提交代码跑完就算，现在每行注释都得想明白为啥这样写，不然导师一句话就能点破。比如优化YOLOv5低光检测那会儿，试了十几种方案都不行，每天下班前对着屏幕就是干，最后成功把AP50从0.65提到0.82，那一刻特别踏实。这种踏实感是学校里做实验给不到的，因为结果直接跟钱挂钩。实习最大的收获是学会了怎么把理论落地。导师让我整理技术文档，要求每个算法都要有原理、实现细节、效果对比，这让我把深度学习那些零散的知识串联起来了。比如Transformer在OCR里的应用，之前只是知道是个热点，现在能跟导师讨论注意力机制怎么适配序列识别任务。这种能力在面试时肯定比单纯说会调参有说服力。看着模型在服务器上跑出2.3倍的推理速度，突然意识到算法工程师不是玩代码的，是给硬件赋能力的。公司用的PyTorch加TensorRT这套组合，让我明白学术界和工业界的差距真不小，比如FP16精度损失、INT8量化后的后处理，这些细节直接决定了产品能不能用。这也让我对后续学习有了更明确的方向，打算明年考个NVIDIA的DLI认证，顺便多练练PyTorchLightning这种轻量级框架。行业里现在都在谈大模型和小模型的平衡，我实习参与的模型蒸馏案例就印证了这一点。虽然我的工作只是把教师模型的fewshot知识迁移过来，但想到这能降低训练成本、适配资源受限的设备，就觉得挺有价值的。未来要是真想做CV，肯定要往这个方向发展，毕竟现在手机端算力就那么点，模型能不能高效部署太关键了。最直观的感受是抗压能力直接拉满。刚开始连续两周被要求重做实验，因为数据对不上，半夜三点还在查PyTorch的CUDA显存泄漏问题，但第二天又能正常去跟导师讨论，这种感觉就是从学生到职场人的蜕变吧。这段经历让我明白，技术工作不是光靠聪明就行，还得能扛事。好在最后项目顺利交付，也算给这段实习画上了一个还算圆满的句号。四、致