履歷表

曾立安

國立臺灣科技大學電機工程系

你好，我是曾立安，個性樂觀開朗，喜歡追求新知，目前就讀臺灣科技大學電機研究所，就讀期間執行兩個產學合作專案，有多人合作執行專案的能力，在執行產學專案之外，參加Tbrain以及Kaggle的競賽，皆有TOP20%的成績，我享受隊伍成功把表現提升的成就感，研究之餘，會嘗試做一些跟研究方向不同但符合自身興趣的小型Side Project ，訓練自己在有限的時間裡吸收新知，雖然研究所期間執行的專案以及參加的比賽皆與深度學習有關，但不希望局限於現在的研究方向，希望可以多多接觸不同領域。

         電話 : 0978284015  Email : [email protected]

學歷

國立台灣科技大學

電機

2021 - 2023(預計)

國立台北科技大學 NTUT

電機

2017 - 2021

產學合作經歷

2021/7~2022/8 

達文西內視鏡器官分割系統   三軍總醫院

與三軍總醫院的知名達文西手術團隊合作，提出了一種卷積網路架構DeepVinci，用於從達文西手術圖像中分割子宮、卵巢、輸卵管、結腸、肌瘤、卵巢腫瘤和工具。提出的密集多尺度金字塔模組(DMPM)以及特徵融合模組(FFM)可以增加FoV，並獲得更多的全局信息。邊緣監督網絡可以獲得精細的邊緣細節，實驗結果表明，所提出的DeepVinci分割系統在Dice Similarity Coefficient (DSC)和Mean Pixel Accuracy (MPA)方面可以達到69.1%和67.4%，優於現在的state-of-the-art方法。

2021/7 ~ 仍在進行

毫米波偵測生命體徵系統     尚茂智能科技

與尚茂智能科技共同開發毫米波雷達偵測系統，使用特徵工程偵測受試者當前的呼吸頻率、心跳頻率。並移植到嵌入式系統上完成專案開發。開發出的系統使用毫米波雷達偵測到的相位資訊並融合了多種演算法提取特徵與結果預測，相比於原廠算法心跳準確度提升30%, 呼吸準確度提升13%。

競賽經歷

TBrain-繁體中文場景文字辨識競賽－高階賽：複雜街景之文字定位與辨識

2020.11 - 2022.01    競賽主頁 競賽報告  Github

使用TextFuseNet 對輸入圖片做 Text Detection，並分類直式文字與橫式文字，直式文字交由 Yolov5 做字元級的分割，橫式文字使用 SAR模型做 Text Recognition，在 Text Recognition 期間，信心度較低的文字會再交由 EasyOCR 辨識輸出。在128組隊伍中獲得第22名的成績(TOP17%)。

TBrain-肺腺癌病理切片影像之腫瘤氣道擴散偵測競賽 II：運用影像分割作法於切割STAS輪廓

2022.04 - 2022.07  競賽主頁 競賽報告   Github

使用兩階段分割的架構，由Transformer網路分割STAS區域，再比較了(1.圖像標準化與 CLAHE之關係(2.Dice Loss,Focal Loss 以及 Cross Entropy Loss 之差異(3. TTA 插值法之比較，來找到表現最好的配置，再使用CascadePSP細化輸出，於307隊參賽隊伍中獲得第1名。

kaggle - HuBMAP + HPA - Hacking the Human Body Segment multi-organ functional tissue units

2022.06 - 2022.09  競賽主頁 Github

偵測於5種器官(前列腺,脾,大腸,腎,肺)中的功能性組織單位 (FTUs)，相較於單個類別的標註，本次方法將各種器官的FTUs 視為獨立的標註，使得分割模型可以學習不同器官的信息獲得較好的分割表現，在1175隊伍中排名178(16%)。

Side Project

使用證交所csv資料應用至 LINE Notify執行收盤買賣超回報

介紹

運用resquest套件獲取證交所收盤資料(三大法人買賣超)，結合LINE Notify推播固定資料至指定的Line帳號，再將程式上傳至PaaS平台(heroku)，達成獲取資料，整理，推播服務，程式至今(2022/10)日還在穩定運作中。

串接虛擬貨幣交易所API獲得幣種收盤資訊進行比較

Github

運用resquest套件結合幣安交易所獲得所有幣種指定時間報價，結合圖表視覺化呈現區間時段內所有幣種相對於主流貨幣強弱比對。

大學專題

應用卷積神經網路特徵提取於胸腔 X 光判別骨質疏鬆症

藉由合作醫院提供之胸腔 X 光影像，進而判斷該病人是否患有骨質疏鬆症。使用卷積神經網路之特徵提取功能獲取對應特徵，將特徵交由隨機森林判斷是否患有骨質疏鬆症，再調整閾值得到最佳輸出。本專題使用之方法達到近 80%的檢測率，也顯示本研究使用之方法對骨質疏鬆檢測有正面效果，並且可將其應用於骨質疏鬆之快篩檢測，提高骨質疏鬆病人之提早就醫率。

技能

  • Machine Learning
    • Scikit-learn
  • Programiming
    • Python
  • Image Processing
    • Opencv
  • Deep Learning
    • Pytorch
    • Semantic Segmentation
    • Object Detection
  • Embedded System
    • Jetson Nano

語言

  • English — TOEIC 660 (L: 375 / R: 285)                    2020.07
Powered By
CakeResume