人工智能人工智能公司实习报告.docxVIP

人工智能人工智能公司实习报告

一、摘要

2023年7月1日至2023年8月31日，我在人工智能公司担任算法实习生。核心工作成果包括参与开发图像识别模型，通过优化参数将模型准确率从82%提升至89%，处理超过1万张标注数据集。运用Python和TensorFlow框架实现特征提取与模型训练，编写自动化脚本减少数据处理时间20%。提炼出数据增强策略与交叉验证方法，可应用于同类模型优化。掌握的技能包括深度学习框架应用、大规模数据集处理及模型性能调优，形成可复用的模型评估流程。

二、实习内容及过程

实习目的主要是了解工业界大规模模型训练的完整流程，看看跟学校里玩小数据集有啥不一样。7月1号到8月31号，在一家做计算机视觉的创业公司实习，他们主要搞自动驾驶相关的图像分割业务。我被分到算法组，跟着一个师兄做项目。

实习内容挺具体的。刚来那会儿，主要是熟悉他们的数据平台和标注规范。那个平台挂了挺多次，数据量又大，一天就光是整理错标的数据就搞到半夜。后来我开始参与一个交通标志识别的项目，用的是UNet架构。师兄让我先跑通他们的预训练模型，处理的是去年底积累的2万张街景标注图。我发现自己写的预处理脚本效率太低，一张图要算几分钟，后来学了点并行处理的方法，用多进程把速度提到10秒一张，他们那套算力跑完全部数据要三天，我优化后两天多就搞定了。

项目中遇到的最大坎是模型泛化问题。在某个城市测试集上效果还行