Computer vision i scientific imaging
Detekcja obiektów, segmentacja, tracking, analiza ROI, korekcja dryfu, rejestracja obrazów, ekstrakcja cech i ilościowa metrologia danych eksperymentalnych.
Profil
Computer vision / scientific imaging / research software
Profil
Fizyk eksperymentalny i developer research software pracujący na styku scientific imaging, computer vision i applied AI. Projektuję narzędzia, które prowadzą od problemu domenowego do użytecznego workflow. Specjalizuję się w analizie nieidealnych danych obrazowych STM/EC-STM i LEED: niskim kontraście, dryfie, artefaktach aparaturowych, małych zbiorach danych i skorelowanych ramkach. Łączę klasyczne metody przetwarzania obrazu z deep learningiem wtedy, gdy realnie wzmacniają detekcję, segmentację, tracking, walidację ilościową lub kurację human-in-the-loop.
Profil
Detekcja obiektów, segmentacja, tracking, analiza ROI, korekcja dryfu, rejestracja obrazów, ekstrakcja cech i ilościowa metrologia danych eksperymentalnych.
Aplikacje desktopowe prowadzące użytkownika przez pełny proces analizy: czytelny interfejs, odtwarzalność, trwałość sesji, eksport wyników i manualna kontrola.
YOLO, U-Net, SAM/SAM2 i backendy trackingowe używane z walidacją, kontrolą zbiorów, anotacją wspomaganą i porównaniem z metodami klasycznymi.
Workflow, które przechodzą od obrazu do liczbowych wyników, metryk jakości, kontrolowanych eksportów i porównania z referencją.
Profil
| Język i GUI | Python, PyQt6, pyqtgraph |
|---|---|
| Analiza numeryczna | NumPy, SciPy, pandas |
| Computer vision | OpenCV, scikit-image, optical flow, rejestracja, peak finding |
| Deep learning | PyTorch, Ultralytics YOLO, U-Net, SAM/SAM2 |
| Scientific imaging | STM, EC-STM, LEED, XPS/UPS, analiza interfejsów |
| Workflow i eksport | CSV, JSON, STP, YOLO datasets, pliki sesji, raporty techniczne |
| Walidacja | pytest, smoke tests, benchmarki, metryki jakości, manual reference checks |
| Dokumentacja | README, user guides, Sphinx, materiały dydaktyczne |
Profil
Profil