K4w0whcr9wc2o3rejusi

劉雨鑫(Rossi Liu)

目前於公司擔任資深軟體工程師一職,主要負責軟體維護與深度學習相關專案。
隨時了解深度學習相關技術的最新進展,並分析其中的技術是否可導入現有模型用以提升效能。
利用假日、下班時間參與影像辨識相關競賽,透過競賽來增進改良、訓練模型的技術並且鍛鍊分析問題、解決問題能力。
熟悉Python、Tensorflow、Keras、OpenCV、影像處理。

AI工程師、機器學習工程師、深度學習工程師、資料科學家、Machine Learning Engineer、Deep Learning Engineer、Data Scientist
新竹,TW
聯絡信箱:[email protected]

電話: 0920-326-100

技能


程式語言

  • Python (major)
  • C / C++


Tools

  • Tensorflow
  • Keras
  • OpenCV
  • Numpy
  • Docker


Skill

  • Machine Learning
  • Deep learning
  • Object detection
  • Neural Network
  • GAN

工作經歷

倍利科技, 資深軟體工程師, Dec 2020 ~ 現在

軟體維護/客製化:

  • 針對不同客戶提出的要求,在現有架構上進行客製化修改。
  • 將TensorFlow 1相關程式升級至TensorFlow 2。
  • 將TensorFlow模型轉換為TensorRT提升推論速度。

深度學習建模: 

  • 建立側顱X-Ray影像分割模型。
  • 建立胸部X-Ray肺部檢測模型。
  • 建立顯微影像下的細胞偵測計數與分類模型。
  • 建立image style transfer模型。
  • 建立CycleGAN模型。
  • 建立瑕疵檢測模型。
深度學習課程講師:

  • 提供有需求的客戶進行基礎觀念教學,以及撰寫相關範例程式。
開發輔助工具:

  • 導入Grad-CAM,分析分類、檢測模型是否在正確位置上有較高的反應,用以評估模型訓練好壞。
模型優化/改良:

  • 在原始模型上加入SENet、CBAM、DropBlock等論文技術優化現有模型,在測試資料中使得漏檢率從0.3808%降低至0.3046%。

Zghbqdivynglb5geuak9

明泰科技股份有限公司, 總技術室-軟體工程師, Oct 2019 ~ Dec 2020

E-CAP Inspection:

  • 與數位多媒體部門合作,使用IP Camera,開發電容極性檢測演算法。
  • 開發傳統影像處理演算法,使得極性檢測達到90%準確度。
  • 開發Deep Learning技術與tracking演算法,達到100%準確度。 
Anomaly detection:
  • 蒐集公司歷年數據整理分析,建立回歸分析模型,幫助稽核處快速找出資料異常處,節省人力查驗成本。

Snolb4rxvbswxrca7xjp

其他專案

Medical Mask Detection
  • 於疫情期間,實作口罩偵測程式,與IP camera結合,偵測到未配戴正確時發送語音提醒。
  • Github Repositories: yolo3_mask_detect
  • Demo video: Video

Paragraph image 06 00@2x
Paragraph image 06 01@2x
Paragraph image 06 02@2x

競賽經驗

AI CUP 2020 台灣高經濟作物 - 愛文芒果等級分類競賽 

  • 希望透過參加影像相關的競賽活動,提升解決問題的能力,嘗試物件偵測、影像分類等不同模型架構,並且從最新論文中提到的架構或方法進行改良,使用單一模型在決賽獲得第八名的成績。
  • 初賽成績(Private Leaderboard):37 / 1123
  • 決賽成績(Private Leaderboard): 8 / 1123
  • 獎狀連結


學歷

國立中正大學, 碩士學位, 資訊工程所, 2015 ~ 2019

  • 使用深度學習分析一般使用者生成的影像,透過模型分析的結果,自動剪輯成摘要影片,目的是希望能透過此技術縮短以往人工剪輯所耗費巨大成本。
論文發表於2019年IEEE 21st International Workshop on Multimedia Signal Processing。。 
論文:Spatiotemporal Modeling and Label Distribution Learning for Video Summarization 
  • 偵測行車紀錄器的車輛,並對廠牌顏色進行分類。
  • 對行車紀錄器影像建立影像分割模型,提升車道線偵測準度。
  • 對行車紀錄器影像,使用深度學習以及SVM進行場景分類。
  • 使用Rank SVM改良遊戲影像Highlight detection的準確度(研究室論文改進)。


國立臺東大學, 學士學位, 資訊工程系, 2008 ~ 2012


Powered By CakeResume