厦门大学 人工智能研究院
人工智能（硕士）
深圳大学 城市信息工程系
地理空间信息工程（本科）
GPA: 85/100（Ranking 5）
英语：CET-6，IELTS 7
运用深度学习模型，使用街景影像作为数据源，研究城市色彩与居民情绪的关联关系。开发基于UNet与Kmeans的语义分割模型， 提取街景图像色彩特征，结合ResNet-50进行情感分类，构建10000+街景图像数据集。
基于Vue.js+Element UI开发SPA应用，实现外卖骑手配送路径优化。负责轨迹数据抓取和清理，封装10+可复用组件， 创新性地开发基于地理坐标的留言系统，集成高德地图API实现坐标标记，使用ECharts实现配送热力图可视化，显著提升了骑手配送效率。
研究多源异构大数据（图像、POI、环境污染物、经济数据）与城市信用的关系。创新性地实现城市中不同部门在不共享原始数据的情况下，通过联邦学习进行数据特征共享的深度学习。 深入探讨城市联邦学习在不同算法下的性能差异以及街道信用的空间分布情况，为城市信用评估提供了新的技术路径。
基于Qt框架开发的遥感影像分类系统，集成了多种先进的分类算法。系统采用模块化设计，左侧展示待分类图像信息，右侧提供多种分类算法选择。 支持非监督分类（K-means聚类、ISODATA分类）和监督分类（随机森林、卷积神经网络）。其中CNN分类包含HRNet、DeepLabv3+和PSPNet等前沿模型。 系统支持3-8波段遥感影像处理，采用Python实现核心算法，通过PyQt5实现界面交互，实现了算法的高效集成与可视化展示。
深圳某科技上市公司
负责多模态大模型（如 Qwen、MiniCPM 等）的调研分析、微调与工程适配，涵盖图文理解、语音理解、跨模态对齐等任务。针对实际应用场景进行模型结构改造与推理引擎（vLLM）优化，使模型推理效率提升约 8%，显存占用降低约 12%。
主导多模态输入统一处理框架的设计与实现，支持图文语音的灵活组合输入，显著提升模型在多场景下的适配性。参与多个下游任务的模型微调，提升心理对话、图文问答等任务表现约 5%-10%。
开发并部署一个基于 RAG（Retrieval-Augmented Generation）架构的心理辅导对话机器人，支持情绪识别、知识检索与多轮对话交互，内测用户好评率达 92%。该系统融合大模型与专业心理知识库，实现轻量化部署与实时响应。
中国大学生 GIS 软件开发大赛
一等奖（2022）
全国大学生测绘学科创新创业智能大赛
特等奖（2023）
全国大学生数学建模竞赛
二等奖（2023）
上海开放数据大赛
百强（前20%）（2022）
Quantifying Urban Colors and Emotions with Street-view Image and Deep Learning
GSCS & ICUI
融合多源时空数据的城市联邦学习方法研究
毕业论文
