CakeResume 找人才
最輕量、快速的招募方案，數百家企業的選擇
搜尋履歷，主動聯繫求職者，提升招募效率。
- 瀏覽所有搜尋結果
- 每日可無限次數開啟陌生對話
- 搜尋僅開放付費企業檢視的履歷
- 檢視使用者信箱 & 電話
職場能力評價定義
游竣宇
您好，我是游竣宇，畢業於淡江大學資訊工程學系
後於臺北大學就讀資工所，在碩士期間主要負責為影像處理以及人工智慧
本人樂於分享、熱愛學習
Software engineer
Taoyuan City，TW
[email protected]
技能簡介
程式語言工具
Python : Tensorflow, pytorch
C#：UI設計
C++ ：Opencv影像處理
類神經網路
-熟悉物件偵測網路架構：YOLO、Deep Snake、Yolact等
-熟悉Tensorflow, Pytorch等
基礎程式能力
版本控制：Git
網頁設計：Codeigniter、Django
資料庫設計：MySQL
環境設置：CMake、pip、Anaconda
接案經驗
CASE 1：網頁撰寫(寂天雲端學習)
使用Codeigniter做為後端工具，主要為bug修復以及新功能的實現。
CASE 2：大貨車櫃號判別
該影像無法一次性包含此類大型車輛，因此利用切割法將貨車切分為車頭、貨櫃以及櫃號，不包含這三類的其餘車輛作為負樣本進行訓練，以frame數計算可成功判別的時序可到85%上下。
CASE 3：路口影像車輛追蹤
使用Multi-target Tracker的技術對路口進行多車輛追蹤，並對於每個車輛個體標上專屬編號，後續可利用車牌辨識技術將該編號替換成車牌號碼，以達到路口監視的功能。
CASE 4：魚眼影像分析車流量
透過路口全景攝影機影像，首先使用YOLOv3&YOLOv4作為物件偵測的網路架構，並將偵測物件進行後續追蹤，計數出以線段為主in/out方向車輛數量，實現路口車況擁塞情形與分析。
CASE 5：路口影像異常車流或是異常事件發生
以Deep Snake&Yolact的網路架構作為物件偵測的網路架構，其中運用校正法使車輛投射至俯視圖時可以較接近實際車輛位置，並對於校正後車輛進行追蹤，後續再將追蹤後車輛軌跡線以LSTM的網路架構預測其軌跡線，以此作為基準判斷有無異常情形發生。
CASE 6：醫學BCG&ECG信號處理
利用訊號處理的方式把可能的的波峰值標記，並過濾掉錯誤波峰值，後續可利用發生波峰值的時間序列判斷目前病人的生理狀況。
游竣宇
您好，我是游竣宇，畢業於淡江大學資訊工程學系
後於臺北大學就讀資工所，在碩士期間主要負責為影像處理以及人工智慧
本人樂於分享、熱愛學習
Software engineer
Taoyuan City，TW
[email protected]
技能簡介
程式語言工具
Python : Tensorflow, pytorch
C#：UI設計
C++ ：Opencv影像處理
類神經網路
-熟悉物件偵測網路架構：YOLO、Deep Snake、Yolact等
-熟悉Tensorflow, Pytorch等
基礎程式能力
版本控制：Git
網頁設計：Codeigniter、Django
資料庫設計：MySQL
環境設置：CMake、pip、Anaconda
接案經驗
CASE 1：網頁撰寫(寂天雲端學習)
使用Codeigniter做為後端工具，主要為bug修復以及新功能的實現。
CASE 2：大貨車櫃號判別
該影像無法一次性包含此類大型車輛，因此利用切割法將貨車切分為車頭、貨櫃以及櫃號，不包含這三類的其餘車輛作為負樣本進行訓練，以frame數計算可成功判別的時序可到85%上下。
CASE 3：路口影像車輛追蹤
使用Multi-target Tracker的技術對路口進行多車輛追蹤，並對於每個車輛個體標上專屬編號，後續可利用車牌辨識技術將該編號替換成車牌號碼，以達到路口監視的功能。
CASE 4：魚眼影像分析車流量
透過路口全景攝影機影像，首先使用YOLOv3&YOLOv4作為物件偵測的網路架構，並將偵測物件進行後續追蹤，計數出以線段為主in/out方向車輛數量，實現路口車況擁塞情形與分析。
CASE 5：路口影像異常車流或是異常事件發生
以Deep Snake&Yolact的網路架構作為物件偵測的網路架構，其中運用校正法使車輛投射至俯視圖時可以較接近實際車輛位置，並對於校正後車輛進行追蹤，後續再將追蹤後車輛軌跡線以LSTM的網路架構預測其軌跡線，以此作為基準判斷有無異常情形發生。
CASE 6：醫學BCG&ECG信號處理
利用訊號處理的方式把可能的的波峰值標記，並過濾掉錯誤波峰值，後續可利用發生波峰值的時間序列判斷目前病人的生理狀況。