國立台灣科技大學，2014 年 7 月 - 2017 年 7 月

． 畢業於電子工程所 

． 研究領域：機器視覺、機器學習、動作辨識、深度學習

． GPA : 3.8, 平均成績: 87.67, 口試成績 : 91 

． 碩士論文 : 使用軌跡萃取特徵在第一人稱視角下動作辨識之研究 

      The Study of Trajectory-aligned Features for Action Recognition in First-Person Videos 

元智大學，2010 年 9 月 - 2014 年 6 月

． 畢業於電機工程系 (Electrical Engineering Group A now)

． GPA : 3.27 (Avg. Score: 78.01) 

． 系排名 : 37 / 128

使用軌跡萃取特徵在第一人稱視角下動作辨識之研究 

．碩士論文

目標在鏡頭晃動的情況下，做辨識出影片中的動作內容。 使用傳統 Machine Learning 方法。先將鏡頭移動的動量與物體的動量分開，再取 HOG, HOF, MBH 等特徵做時間與空間上的編碼，最後以 SVM 做為分類器。

PTT表特版圖片辨識與應用

使用爬蟲程式抓取每日表特板中的圖片，包含回文圖片。接著利用標題篩選女生與非女生的圖，建立一個正負樣本加起來是2660張圖片的小資料庫。使用 Keras 中的 ResNet50 pre-trained model 做為訓練與分類的模型，最後將分類出來的圖片接上 Line Bot 做互動。

Kaggle 競賽

下載 Kaggle 上的 Dogs vs. Cats Redux: Kernels Edition 以及 Digital Recognizer datasets。在 Dogs vs. Cats 上我使用 ResNet50 得到 loss score 0.05472，在當時的 leaderboard 上排名第 87。Digital Recognizer 中使用兩層 convolution layer 及 一層 Fully-connected layer，得到 99.928％的準確率排名 43。

監視器異常偵測 

正常的影片為行人在人形道上走路，目的是將其他異於行人的物件抓出來如左圖。將影片切割成一個個區塊，針對區塊中的前景物件取動量、大小、質地的特徵，再訓練高斯分佈模型。當測試影片進入後，依據高斯模型給出的估計值以閥值的方式判斷此區塊是否異常。最後將異常的部份做時間與空間的連續性處理，可以過濾掉一些雜訊。

預測博奕遊戲開獎結果

我下載了某個博奕遊戲的歷史開獎記錄，使用簡單的 LSTM 模型，輸入前100期的開獎結果去預測下一期開出來的第一個號碼是單或雙，目前達到與機率相符的 50%準確率。