//assets.cakeresume.com/assets/contentarea/contentarea-2d64eca8dae2a1ffb31e0fb1df887bbad072c7c19734d7d30fa14884bbcc299a.css

    您好，我是黃品翔，就讀台科大資工所，主修深度學習/計算機視覺，目前正在尋找2021研發替代役之職缺。
    在學期間於工研院巨資中心實習(109/7至今)，主要使用yolov4去做無人商店的庫存盤點，及影像類的演算法開發，除了計算機視覺，也會使用pandas等套件去做資料的分析。
    實驗室參與國科會無人商店計畫,利用two-stage 的FASTER RCNN訓練模型，解決商品掉幀的問題，使用deepsort 去做物件的追蹤，在消費者的辨視方面使用了facenet來訓練，由於facenet 的訓練方式是使用Triplet loss，因此可以在少量的訓練樣本下，達到很好的辨視效果。
    為了解決無人商店需要將商品做物件追蹤的高成本問題，後來將無人商店做了一個新的改版，在商品辨識上一樣是用yolov4去識別，但是多了使用紅外線輔助，手伸入商店時會先拍攝一張照片，出來後在拍攝一張照片，透過兩張照片的差異，去判斷消費者所購買的商品，除此之謂，原先的facenet 也改成了頭頂的攝影機，進入店內會先拍攝一張照片，接下來會用yolov4去找出所有在店裡的消費者，透過One-shot learning(單樣本學習)，去比較與店內消費者的相似程度，在最近的版本中，也成功將紅外線移除。

台灣科技大學

淡江大學

台灣科技大學 資訊工程學系

黃品翔

工業技術研究院

巨資中心實習生

一、無人商店機台的維護、新增新商品。
二、使用google glass 辨識無人商店商品庫存，並去分析各類商品之mAp，經過改善後，將原本辨識率從最一開始20%提升到80%，起初是直接將商品分類，後來發現物件辨識沒辦法解決高度遮擋的問題，後來是利用距離分類將未判出的商品進行第二次分類，效果來到了50%，最後慢慢改成使用建立平面(solvepnp)的方法來解決，效果來到的80%。

分享