范植贸 Jonathan Fan

01

关于我

我目前在华硕担任 AI 研发工程师，专注于计算机视觉，以及将机器学习模型整合为实际可用的软件产品。工作涵盖算法开发、模型评估、后端服务与前端界面。

参与的产品包括 AISVision R6、AISVision 365 与 AISDetector 2.0，经验涵盖图像分类、分割、目标检测、异常检测、跟踪及信号分析。其中较深入的方向是旋转与方向性目标检测，包括物体 360° 方向估计与模型评估。

我喜欢连接研究与工程实践，从厘清问题、开发与验证模型，到完成应用程序整合，兼顾可靠性、效率与使用体验。

毕业于国立中兴大学电机工程硕士班，研究领域为深度学习与图像修复，相关成果发表于 ICIP、EUSIPCO 及 ISCAS。硕士论文获 2022 IEEE 台北分会最佳硕博士论文奖，并担任四件已核准台湾新型专利的主要发明人。

工作之余也参加 AI 竞赛、阅读并分享研究论文，主动开发改善团队调试流程的工具，持续探索 LLM、RAG 与开发流程自动化。

学术发表: 7
台湾新型专利: 4
参与竞赛: 8+
GitHub 星标: 597

专长领域

Computer Vision
Deep Learning
Oriented Object Detection
Image Restoration
Anomaly Detection
Object Tracking
Signal Analysis
AI Product Integration

主要技术

Python
PyTorch
FastAPI
PostgreSQL
Vue 3
TypeScript

简历

02

工作经历

华硕电脑

AI 研发工程师

数字图像技术（DIT）产品部门 · 台湾台北 · 2022 年 9 月起

2022 – 至今

开发 AI 算法并整合为实际可用的软件，范围从模型训练与评估，到后端服务及前端界面。以下年份为我主要投入各产品的期间。

参与产品
1. AISDetector 2.0 2026–至今
  
  信号分析与预处理
  - 开发信号分析的后端服务与模型架构。
  - 改善 CI/CD 与模型发布的基准测试，并构建预处理推荐原型。
2. AISVision 365 2025–2026
  
  AI 模型与产品整合
  - 开发模型训练、推理、报告与验证界面的前端，后期投入后端。
  - 维护旋转与方向性目标检测，构建数据集转换工具并参与软件打包。
3. AISVision R6 2022–2025
  
  计算机视觉与算法开发
  - 目标检测与 360° 方向估计：角度损失函数、旋转框 NMS 与评估指标。
  - 开发图像分类、分割、异常检测及跟踪算法。
其他贡献
- 主动开发 AISVision R6 与 AISDetector 2.0 的 Log Window，提升研发调试效率。
- 向团队分享研究论文重点，并参与 AI 竞赛。
- 担任四件已核准台湾新型专利的主要发明人。
- Python
- PyTorch
- FastAPI
- PostgreSQL
- Vue 3
- TypeScript
- CI/CD
工研院

Android 系统软件开发实习生

2021 – 2022

硕士二年级期间，我收到了来自工业技术研究院信息与通信研究所的面试邀请，进入 Android 系统开发团队实习。我学习并实操了将 Android 镜像文件刷写至开发板的技巧，加深了对 Android 操作系统架构及应用安装流程的理解。
- C
- Android Development
- Embedded Systems

03

学术论文

ICIP 2023

复合多分支特征融合用于真实图像修复

IEEE 图像处理国际会议 (ICIP 2023)

摘要

图像修复是一个具有挑战性的 ill-posed 问题，也是长期以来的研究难题。然而，大多数基于学习的修复方法仅针对单一退化类型，缺乏泛化能力。本文提出了一种受人类视觉系统（例如视网膜神经节细胞）启发的多分支图像修复模型，可在统一框架下完成多种修复任务。实验结果显示，所提出的多分支架构 CMFNet 在四个数据集上均表现优异，涵盖图像去模糊、去雾和去雨滴等自驾车常见应用场景。

论文 arXiv 代码 100 视频
Master’s Thesis 最佳硕博士论文奖

利用可选择性残差块在改良的分层编解码网络中实现图像修复

国立中兴大学硕士论文 · 2022 IEEE 台北分会最佳硕博士论文奖

摘要

本研究基于轻量级的 U-Net 分层网络架构，并将擅长图像修复但内存占用较高的 RDB（Residual Dense Block）改进为更高效的可选择残差模块（SRB）。我们还在 U-Net 中引入 gatepost 特征通道，与传统 U-Net 相比，可以丰富空间特征信息，并与 SRB 产生协同效应。此外，我们提出一种新的损失函数，结合图像修复中的两个关键指标：PSNR 与结构相似度（SSIM），以优化模型。最终，所提出的网络可处理 9 种不同的图像修复任务，如去噪、去模糊、去雨滴、去雾和低光图像增强等，在定量评估指标与视觉质量方面均表现出色。 本论文获选为 IEEE 2022 台北分会最佳硕博士论文奖 🎉

论文代码 12 奖状
ICIP 2022

基于 M-Net+ 的半小波注意力机制用于低光图像增强

IEEE 图像处理国际会议 (ICIP 2022)

摘要

低光图像增强是一项用于将昏暗图像增强至合适亮度的计算机视觉任务，也被视为图像复原领域中的病态问题之一。随着深度神经网络的发展，卷积神经网络已超越传统基于算法的方法，成为计算机视觉的主流。为了进一步提升增强算法的性能，我们提出了一种基于改进型 M-Net+ 的图像增强网络 HWMNet。该方法在 M-Net+ 上加入半小波注意力模块，用于丰富小波域的特征信息。在两个低光图像增强数据集上的实验结果显示，HWMNet 在定量指标和视觉质量上均表现优异。

论文代码 108 视频
ICCE-TW 2022

改进的层次结构 M-Net+ 用于盲图像去噪

IEEE 消费电子国际会议 (ICCE-TW 2022)

摘要

图像去噪是一个长期存在的 ill-posed 问题。近年来，卷积神经网络（CNN）成为研究焦点，在计算机视觉领域中占据主导地位，并在多个视觉任务中取得了显著成果。U-Net 是一个知名的层次型 CNN 主干，在去噪与其他任务中表现出色。但层次结构在反复下采样过程中往往会导致空间信息丢失，这对以像素为基础的任务（如去噪）造成严重影响。本文提出了一个改进的层次主干 M-Net+，以缓解上述問題，并在两个合成高斯噪声数据集上进行了测试，展示了良好的性能表现。

论文
EUSIPCO 2022

选择性残差 M-Net 用于真实图像去噪

IEEE 欧洲信号处理会议 (EUSIPCO 2022)

摘要

图像修复是一项低层次的视觉任务，目标是将退化的图像还原为无噪声的图像。随着深度神经网络的广泛应用，卷积神经网络已超越传统修复方法，成为计算机视觉领域的主流。为提升去噪算法性能，我们提出了一种基于层次结构的盲真实图像去噪网络（SRMNet），该架构源自 U-Net 的改进版。具体来说，我们在 M-Net 框架中引入了结合残差模块的选择性卷积核，以增强多尺度语义信息。我们的方法在两个合成与两个真实世界的噪声数据集上，在定量评估与视觉质量方面均表现出色。源代码和预训练模型可通过以下链接获取：https://github.com/FanChiMao/SRMNet。

论文代码 31 视频
ISCAS 2022

SUNet：基于 Swin Transformer 的 UNet 图像去噪方法

IEEE 电路与系统国际会议 (ISCAS 2022)

摘要

图像修复是一个具有挑战性的 ill-posed 问题，也是长期存在的难题。在过去几年里，卷积神经网络（CNN）几乎主导了整个计算机视觉领域，并在包括图像修复在内的各类视觉任务中取得了显著成功。然而，近期基于 Swin Transformer 的模型也展现出令人惊艳的性能，甚至在高阶视觉任务上超越了 CNN 方法，成为最新的主流。在本文中，我们提出了一个名为 SUNet 的图像修复模型，使用 Swin Transformer 层作为基础模块，并将其应用于 UNet 架构以完成图像去噪任务。

论文 arXiv 代码 265 视频
ICCE-TW 2021

WBTP-VTON：基于全身和纹理保持的虚拟试衣网络

IEEE 消费电子国际会议 (ICCE-TW 2021)

摘要

基于图像的虚拟试衣系统日益受到关注，但仍面临许多未解决的挑战。因此，我们提出一种全新且可端到端学习的方法——WBTP-VTON（Whole Body and Texture Preservation based Virtual Try-On Network），以解决该领域中的实际问题。首先，WBTP-VTON 使用几何匹配模块（GMM）进行模板转换，根据目标人物的身形对目标上衣和裤子（或裙子）进行调整。第二阶段是合成最终图像，使生成结果更为逼真自然。最后，我们结合试穿模块与合成掩码，将变形后的服装与最终图像融合，确保图像的平滑与一致性。在大规模数据集上的实验证明，WBTP-VTON 在虚拟试衣任务上具有先进的性能。

论文代码 5

拖曳比较

硕士论文的图像修复成果

查看全部比较

输入修复后

Kodak24 拖曳滑杆，或使用左右方向键。

04

专利

担任四件已核准台湾新型专利的主要发明人。申请人及专利权人为华硕电脑股份有限公司。

台湾新型专利

电子装置

Electronic device

主要发明人

公告号

TWM681536U

申请号

TW114210536

申请日

2025年10月2日

公告日

2026年4月1日

申请人

ASUSTeK COMPUTER INC.
台湾新型专利

电子装置

Electronic device

主要发明人

公告号

TWM678561U

申请号

TW114210089

申请日

2025年9月19日

公告日

2025年12月21日

申请人

ASUSTeK COMPUTER INC.
台湾新型专利

数字音频系统

Digital audio system

主要发明人

公告号

TWM653962U

申请号

TW112211484

申请日

2023年10月24日

公告日

2024年4月11日

申请人

ASUSTeK COMPUTER INC.
台湾新型专利

音频转录之电子装置

Electronic device for audio transcription

主要发明人

公告号

TWM652294U

申请号

TW112211968

申请日

2023年11月3日

公告日

2024年3月1日

申请人

ASUSTeK COMPUTER INC.

05

竞赛作品

2026

RepoRadar：AI Issue 分析工具

华硕内部 AI Agent 竞赛。整合 GitHub／GitLab Issue、讨论及相关 PR／MR 的 Electron 桌面应用程序，提供 AI 摘要、RAG 问答、分析仪表板、定时同步与 Markdown／HTML／PDF 周报。前端 TypeScript，后端 Python FastAPI。

GitHub 1 演示视频