現職任務： 即時人流車流計算: 使用物件偵測模型以及物件追蹤演算法對攝影機串流進行即時人流車流統計。自行設計系統pipeline的架構。 另外也開始使用Deepstream並以C以及C++做為開發語言，以便最大程度發揮硬體效能，並在邊緣設備上將辨識速度最大化。 即時物件入侵偵測: 以AI偵測攝影機影像串流是否有物件入侵，並且發送消息到ELK告警 使用深度學習模型進行物件偵測，設計AI影像偵測系統 以模組化設計系統以保持系統的彈性並且加入多線程(multiprocessing )來符合不同吞吐量的需求。 持續建立影像訓練流程: 架設並維護公司內部CVAT影像標註平台，使公司從單機版標註軟體轉換成可以多人線上協作的線上標註平台，並且撰寫可以讀取darknet權重的CVAT套件讓標註平台可以用模型協助標註，大幅加速工讀生標註效率。 撰寫Python、Bash shell script、Docker file讓公司的Darknet訓練流程盡可能標準化以及自動化。 肺結節偵測專案: 負責公司AI醫療影像辨識-肺部CT掃描節結偵測POC案，優化Deep Learning Pipline 尋找肺部可疑節結。從原始CT檔以及醫生標註開始進行資料清洗, 到將照片切割送入模型訓練, 以及使用Tensor board觀察訓練情形。 過去工作經驗： 過去工作經驗中我曾經以Strategy pattern設計物件, 製作物件共同Interface但是各自有不同的Implement. 導入Observer pattern建立物件之間的訊號消息機制 導入State machine, 建立物件不同狀態的不同行為. 導入設計模式後為專案大幅解耦並且讓專案的擴充性大幅提升 所用技能： Deepstream串流AI辨識軟體開發 熟悉Python、使用C++ 使用Yolo物件偵測模型並且使用darknet訓練yolo模型 使用Pytorch機器學習框架 使用C++、cmake以及python加速模型偵測 使用Fastapi將計算模型包裝成WebAPI讓一般使用者使用 熟悉Ubuntu開發環境 熟悉Docker 與 Docker Compose 建立服務 使用git 以及GitLab進行版控 使用Bash處裡重複性工作