楊景倫
[email protected] •0978596292
GitHub: https://github.com/simonhandsome
熟悉電腦視覺,Machine Learning,Deep Learning之相關演算法如: 類神經網路、CNN、Faster R-CNN、Mask R-CNN、Unet，有使用過成大AIsnd中心的DGX1-GPU server，並自行建置Docker環境於此平台上跑大型影像專案之經驗，期間也做過以Mask R-CNN辨識出蝴蝶眼斑數量及面積，並以此自動化計算出其前後翅之眼斑數量及面積分布情況與其眼斑的平均黑化程度和以Unet進行細微橋梁裂縫檢測等影像辨識專案
Education
國立成功大學 電機所, 2017年7月 ~ 2019年8月
國立中央大學 電機系, 2013年7月 ~ 2017年6月
台北市立永春高中, 2010年7月 ~ 2013年6月
Skills
演算法
熟悉Machine learning,Deep learning相關演算法如: 類神經網路、CNN(ResNet、VGG)、Faster R-CNN、Mask R-CNN、Unet、FCN
程式語言及框架
Python、Tensorflow、C#、Keras、Opencv、Matlab、C++、java
軟體應用程式
以UNet網路進行橋樑細微裂縫檢測
利用像素語意分割與識別能力良好的UNet來進行橋梁裂縫自動化檢測
以ResNet50_Unet所組成的Mask R-CNN網路進行蝴蝶眼斑特徵提取及其分部數量與平均面積計算、黑化程度分析
利用模型辨識出的邊界框數量以求出蝴蝶眼斑數量分布，另外以蝴蝶眼斑之遮罩外輪廓以格林理論求出其輪廓內組成的像素點個數面積，最後再以眼斑遮罩所覆蓋的所有像素值經過灰階後取平均以計算出其平均黑化程度來探討環境變遷等相關議題
碩士論文
利用以建置好的DGX-1雲端環境伺服器訓練好且辨識表現優異之建構的Mask R-CNN模型來透過開發的表徵計算演算法加以自動化計算出蘭花瓶苗影像中各部位表徵(葉、根、綠色根尖、白色根尖、黃色枯葉、綠色枯葉)所對應的相關參數值，主要分為:葉面積、葉長度、葉寬度、根長度、綠色根尖長度、白色根尖長度、綠色枯葉面積、黃色枯葉面積，如此即可有效的將蘭花瓶苗之各方面生長資訊以數據化方式呈現，方便專業人員監控瓶苗之生長過程及育成情況。
使用語言及框架、雲端環境有:Python、Tensorflow、Keras、Opencv、Docker
碩士論文之影像處理萃取形質方法
以影像Morphology方式之骨架萃取演算法將辨識出的Mask加以細化來計算出根及葉的骨架長度大小，同時亦透過最小擬合矩形將葉的寬度框定出並加以計算
自傳
我是楊景倫，今年24歲，畢業於國立成功大學電機所，畢業論文題目為基於深度遮罩式區域卷積神經網路之蘭花瓶苗影像表徵萃取與計算，指導教授為王振興教授。
大學階段: 大三時開始參與生醫領域相關之專題，主要是透過自行焊接出的電路板儀器測量出運動員之肌電訊號(EMG)來分析其運動強度並做出必要的適時決策，藉此學會如何撰寫Matlab程式並做實驗數據的模擬及作圖，同時也學會如何有效焊接於細微電路元件上，而在研究過程中也學會了如何與夥伴們一起合作討論與解決困難的能力，並在合適的時間點提出重要決策及意見。
研究所階段: 在就讀研究所過程中，我學會了如何從大量數據資料中找尋並整合出對自己有幫助且重要有價值之資料的能力，並將遇到的問題狀況簡單化、量化來有效解決問題，而不同以往只憑藉著感覺去執行、處理問題。另外我也學會如何與學長、教授及相關場域的專家和諧相處，因此我相信在未來職場上能更加懂得如何與團隊配合。最重要的一點是，在研究所我開始自學並培養出了自學能力，因此我會利用假日或是閒暇之餘不斷學習自己所不懂的新技術與知識，並且能從獨立實作新專案中獲得成就感，進而形成一個良性循環。
終身學習: 就讀研究所時，因跨不同領域學習，並且我所接觸的領域是實驗室全新的電腦視覺領域，因此在碩一時我學會如何建模型並對於影像資料做訓練以做出準確度高的有效辨識，而在碩一時我也不斷充實自己有興趣的框架或語言如Tensorflow、Opencv、C#等。另外我為了能夠有效解決問題，會主動閱讀Paper與相關文獻，不害怕學習新的事物或理論、技術。除此之外，為了增加我的實作能力，我將所學到的技術與理論應用於我的碩士論文中。 希望未來有機會能在AI相關領域進行演算法開發並落實將AI導入其他需要的場域及領域中，同時也將繼續學習新知識理論與技術。
Intel AI Academy
研究所成績單
