CakeResume 找人才
最轻量、快速的招募方案，数百家企业的选择
搜寻简历，主动联系求职者，提升招募效率。
- 浏览所有搜寻结果
- 每日可无限次数开启陌生对话
- 搜尋僅開放付費企業檢視的简历
- 检视使用者信箱 & 电话
职场能力评价定义
俞建琮
技能
Core skills
Tensorflow Pytorch Mxnet
Computer Vision
Keypoint Detection
Side skills C++
Eigen
工作經歷
- 職稱：軟體工程師
- 在職日期：2022 年 5 月 - 至今
- 工作內容：Keypoint Detection、Lane Detection
研究 Keypoint Detection 與 Lane Detection 相關 Deep Learning 論文
實現 Keypoint Detection 演算法，提升關鍵點預測準確度 20%實現 Lane Detection 演算法，提升車道線分群效率 15%
訓練並佈署於公司 ADAS 平台
- 職稱：軟體工程師
- 在職日期：2020 年 2 月 - 2022 年 5 月
- 工作內容：Face Recognition
研究 Face Recognition 相關 Deep Learning 論文
實現以深度影像資料建立 3D 人臉識別模型
訓練並佈署模型於公司門禁系統
- 職稱：專案技術員
- 在職日期：2017 年 9 月 - 2020 年 1 月
- 工作內容：生物試驗研究
專案經歷 - Keypoint Detection
公司期望能實現一個既精準又輕量的 Keypoint Detection 模型，將其部署於 Edge 平台。
Keypoint Detection 經常使用 Heatmap 方式來精準預測關鍵點位置，但通常計算量大，不適合於 Edge 上部署。
當時搜尋多個關鍵點偵測相關模型，從論文閱讀到程式碼撰寫皆由我負責。
專案最終以 PIPNet 模型，作為主要的關鍵點位置預測模型。
我以 Pytorch 實現 PIPNet 演算法，以輕量級的方式實現 Heamap 類型 Keypoint Detection 的準確度，成功部署於 Edge 平台。
在保持近似公司舊版模型效率下，提升關鍵點預測準確度 20%。
後續與他人合作，將此關鍵點預測技術使用在車道線段位置預測、物件關鍵點偵測等公司專案上。
以 Pytorch 實現 GaNet 模型，預測車道線段位置並進行分群。
在保持近似公司舊版模型準確度下，提升車道線分群效率 15%。
此專案讓我從多篇論文中學習了關鍵點預測的處理方法，更充分的掌握了於影像上預測點位置的技術。
過程很有挑戰性，個人也深深覺得收穫滿滿，期待能將我這樣的能力和經驗完整貢獻給貴公司。
學歷
National Taiwan University, 學士學位, Animal Science, 2012 ~ 2016
俞建琮
技能
Core skills
Tensorflow Pytorch Mxnet
Computer Vision
Keypoint Detection
Side skills C++
Eigen
工作經歷
- 職稱：軟體工程師
- 在職日期：2022 年 5 月 - 至今
- 工作內容：Keypoint Detection、Lane Detection
研究 Keypoint Detection 與 Lane Detection 相關 Deep Learning 論文
實現 Keypoint Detection 演算法，提升關鍵點預測準確度 20%實現 Lane Detection 演算法，提升車道線分群效率 15%
訓練並佈署於公司 ADAS 平台
- 職稱：軟體工程師
- 在職日期：2020 年 2 月 - 2022 年 5 月
- 工作內容：Face Recognition
研究 Face Recognition 相關 Deep Learning 論文
實現以深度影像資料建立 3D 人臉識別模型
訓練並佈署模型於公司門禁系統
- 職稱：專案技術員
- 在職日期：2017 年 9 月 - 2020 年 1 月
- 工作內容：生物試驗研究
專案經歷 - Keypoint Detection
公司期望能實現一個既精準又輕量的 Keypoint Detection 模型，將其部署於 Edge 平台。
Keypoint Detection 經常使用 Heatmap 方式來精準預測關鍵點位置，但通常計算量大，不適合於 Edge 上部署。
當時搜尋多個關鍵點偵測相關模型，從論文閱讀到程式碼撰寫皆由我負責。
專案最終以 PIPNet 模型，作為主要的關鍵點位置預測模型。
我以 Pytorch 實現 PIPNet 演算法，以輕量級的方式實現 Heamap 類型 Keypoint Detection 的準確度，成功部署於 Edge 平台。
在保持近似公司舊版模型效率下，提升關鍵點預測準確度 20%。
後續與他人合作，將此關鍵點預測技術使用在車道線段位置預測、物件關鍵點偵測等公司專案上。
以 Pytorch 實現 GaNet 模型，預測車道線段位置並進行分群。
在保持近似公司舊版模型準確度下，提升車道線分群效率 15%。
此專案讓我從多篇論文中學習了關鍵點預測的處理方法，更充分的掌握了於影像上預測點位置的技術。
過程很有挑戰性，個人也深深覺得收穫滿滿，期待能將我這樣的能力和經驗完整貢獻給貴公司。