Current focus
边缘侧 AI 部署
关注目标检测、视觉感知和模型量化部署，让算法在功耗、延迟和精度之间找到能落地的平衡。
方向边缘视觉 / 目标检测
系统FPGA / 嵌入式 / Linux
主页技术档案与生活片段
01 / Now
把算法从论文和数据集，搬到真实设备上
Hardware
FPGA / MCU
熟悉 Zynq、Kria KV260、ESP32、STM32、MAX78000 等平台上的开发与调试。
Systems
Linux / Security
做过 Docker 镜像保护、TPM 可信启动、密钥管理和嵌入式 Linux 系统相关工作。
02 / Technical index
几个能代表方向的项目
无人机路面损伤检测平台
面向路面坑洞、裂缝等损坏场景做分类标注与目标检测，构建实时监测流程，检测准确率达到 95.3%。
YOLOv5 的 FPGA 部署与加速
将 YOLOv5 量化、编译并部署到 KV260，INT8 量化精度损失小于 2%，约 8W 功耗下实现 30 FPS 实时推理。
资源受限平台上的目标检测加速
通过定点化、流水线、乒乓缓存和数据复用，在 416x416 输入下实现 32 FPS，较 ARM Cortex-A9 加速 18 倍。
可信启动与容器安全保护
基于 TPM 硬件信任根、LUKS、Quote 签名和运行时密钥注入，设计过从预启动到系统运行阶段的安全保护链路。
03 / Photos
生活内容以后不做相册，做成片段
城市散步
日常摄影
灵感收集
旅行碎片
04 / Notes
短记录，留一点余白
主页方向确定
不把简历原样搬上来，而是做成更适合公开展示的技术与生活档案。
补充真实照片
后续可以加入生活照、城市记录、旅行片段和一些更私人的说明。
整理项目截图
把检测结果、硬件平台、调试过程和项目笔记整理成更可读的页面。