華碩 AI 研發工程師

范植貿 Jonathan Fan

電腦視覺。

從演算法研發、模型訓練與評估，到後端服務及前端介面，將 AI 模型整合為實際可用的軟體產品。

查看競賽作品 GitHub LinkedIn

工作之外

鋼琴吉他
撲克牌魔術
健行與攀登
人工智慧與電腦視覺
閱讀與寫作
滑板運動
觀星探索
拍照攝影
任何事物

向下

關於我

我目前於華碩擔任 AI 研發工程師，專注於電腦視覺，以及將機器學習模型整合為實際可用的軟體產品。工作涵蓋演算法開發、模型評估、後端服務與前端介面。

參與的產品包含 AISVision R6、AISVision 365 與 AISDetector 2.0，經驗涵蓋影像分類、分割、物件偵測、異常檢測、追蹤及訊號分析。其中較深入的方向是旋轉與方向性物件偵測，包含物件 360° 方向估計與模型評估。

我喜歡串接研究與工程實作，從釐清問題、開發與驗證模型，到完成應用程式整合，兼顧可靠性、效率與使用體驗。

畢業於國立中興大學電機工程碩士班，研究領域為深度學習與影像修復，相關成果發表於 ICIP、EUSIPCO 及 ISCAS。碩士論文獲 2022 IEEE 台北分會最佳碩博士論文獎，並擔任四件已核准台灣新型專利的主要發明人。

工作之餘也參與 AI 競賽、閱讀並分享研究論文，主動開發改善團隊除錯流程的工具，持續探索 LLM、RAG 與開發流程自動化。

學術發表: 7
台灣新型專利: 4
參與競賽: 8+
GitHub 星星: 597

專長領域

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

主要技術

Python
PyTorch
FastAPI
PostgreSQL
Vue 3
TypeScript

履歷

工作經歷

華碩電腦

AI 研發工程師

數位影像技術（DIT）產品部門 · 台灣台北 · 2022 年 9 月起

2022 – 至今

開發 AI 演算法並整合為實際可用的軟體，範圍從模型訓練與評估，到後端服務及前端介面。以下年份為我主要投入各產品的期間。

參與產品
1. AISDetector 2.0 2026–至今
  
  訊號分析與前處理
  - 開發訊號分析的後端服務與模型架構。
  - 改善 CI/CD 與模型發布的基準測試，並建置前處理推薦原型。
2. AISVision 365 2025–2026
  
  AI 模型與產品整合
  - 開發模型訓練、推論、報告與驗證介面的前端，後期投入後端。
  - 維護旋轉與方向性物件偵測，建置資料集轉換工具並參與軟體封裝。
3. AISVision R6 2022–2025
  
  電腦視覺與演算法開發
  - 物件偵測與 360° 方向估計：角度損失函數、旋轉框 NMS 與評估指標。
  - 開發影像分類、分割、異常檢測及追蹤演算法。
其他貢獻
- 主動開發 AISVision R6 與 AISDetector 2.0 的 Log Window，改善研發除錯效率。
- 向團隊分享研究論文重點，並參與 AI 競賽。
- 擔任四件已核准台灣新型專利的主要發明人。
- Python
- PyTorch
- FastAPI
- PostgreSQL
- Vue 3
- TypeScript
- CI/CD
工研院

Android 系統軟體開發實習生

2021 – 2022

碩士班二年級受到工研院資通所的面試邀約，負責支援 Android 系統開發團隊，學習並實踐了燒錄 Android 映像檔到開發板的技術，增進了對 Android 操作系統架構及應用安裝過程的理解。
- C
- Android Development
- Embedded Systems

學術論文

ICIP 2023

複合多分支特徵融合用於真實圖像修復

IEEE 影像處理國際會議 (ICIP 2023)

摘要

圖像修復是一個具有挑戰性且為一種 ill-posed 問題，這也是一個長期存在的問題。然而，大多數基於學習的修復方法僅針對一種類型的退化，這意味著它們缺乏泛化能力。在本文中，我們提出了一種受到人類視覺系統（即視網膜神經節細胞）啟發的多分支修復模型，該模型可以在一個通用框架中實現多種修復任務。實驗結果顯示，所提出的多分支架構，稱為CMFNet，在四個數據集上的表現具有競爭力，這些數據集包括圖像去模糊、去霧和去雨滴，這些應用在自動駕駛汽車中非常常見。

論文 arXiv 程式碼 100 影片
Master’s Thesis 最佳碩博士論文獎

利用可選擇性殘差塊在改良式階層編解碼器網路實現影像修復

國立中興大學碩士論文 · 2022 IEEE 台北分會最佳碩博士論文獎

摘要

在這篇論文當中,我們將基於輕量型的階層式網路架構: U-Net 為基底,並改良自影像修復任務中效果很好,但需消耗較大記憶體容量的殘差密集塊(RDB),成為一種效率更高、且不會占據過多顯存的模塊稱為選擇性殘差塊(SRB)。我們還改良了階層式網路架構 U-Net,增加了門柱特徵路徑,稱為 M-Net+。我們提出的 M-Net+相較於傳統 U-Net,可以獲取更豐富的空間特徵資訊,並與 SRB 作結合達到相輔相成的效果。除此之外,我們還提出了基於影像修復中相當重要的兩個評估指標: 峰值訊雜比(PSNR)與結構相似性(SSIM)的損失函數來優化我們網路模型。最終我們提出的網路架構適用於9種不同的影像修復任務中的去噪、去模糊、去雨、去霧與低光源的影像增強,並在定量指標與視覺質量上取得了非常不錯的成績。 此篇論文被選為 IEEE 2022 台北分會最佳碩博士論文獎🎉

論文程式碼 12 獎狀
ICIP 2022

半小波注意力在M-Net+上的應用於低光圖像增強

IEEE 影像處理國際會議 (ICIP 2022)

摘要

低光圖像增強是一個計算機視覺任務，旨在將暗圖像增強到適當的亮度。在圖像修復領域，這也被視為一個 ill-posed 問題。隨著深度神經網絡的成功，卷積神經網絡超越了傳統的基於算法的方法，並成為計算機視覺領域的主流。為了提高增強算法的性能，我們提出了一種基於改進的層次模型M-Net+的圖像增強網絡(HWMNet)。具體來說，我們在M-Net+上使用了半小波注意力塊，以豐富來自小波域的特徵。此外，在兩個圖像增強數據集上，我們的HWMNet在定量指標和視覺質量方面的表現都具有競爭力。

論文程式碼 108 影片
ICCE-TW 2022

改進的層次結構 M-Net+ 用於盲圖像去噪

IEEE 消費電子國際會議 (ICCE-TW 2022)

摘要

圖像去噪是一個長期存在的 ill-posed 問題。最近，卷積神經網絡 (CNNs) 逐漸成為焦點，幾乎主導了計算機視覺領域，並在不同層次的視覺任務中取得了令人印象深刻的成果。其中一個著名的層次結構 CNN 主幹是 U-Net，它在去噪和其他計算機視覺領域表現出色。然而，層次結構通常因重複取樣而導致空間信息的丟失，這對去噪性能，尤其是像去噪這樣的逐點操作任務產生了嚴重影響。本文提出了一種改進的層次主幹模型 M-Net+ 用於圖像去噪，以改善空間細節的丟失。此外，我們在兩個合成的高斯噪聲數據集上進行了測試，展示了我們模型的競爭性結果。

論文
EUSIPCO 2022

選擇性殘差 M-Net 用於真實圖像去噪

IEEE 歐洲訊號處理會議 (EUSIPCO 2022)

摘要

圖像修復是一項低層次的視覺任務，旨在將退化的圖像恢復為無噪聲的圖像。隨著深度神經網絡的成功，卷積神經網絡已超越傳統的修復方法，並成為計算機視覺領域的主流。為了提高去噪算法的性能，我們提出了一種基於層次結構的盲真實圖像去噪網絡（SRMNet），該結構從 U-Net 改進而來。具體而言，我們在層次結構 M-Net 上使用了一個具有殘差塊的選擇性內核，以豐富多尺度語義信息。此外，在兩個合成和兩個真實世界的噪聲數據集上，我們的 SRMNet 在定量指標和視覺質量方面均表現出競爭力。源代碼和預訓練模型可在以下鏈接獲取：https://github.com/FanChiMao/SRMNet。

論文程式碼 31 影片
ISCAS 2022

SUNet: 基於 Swin Transformer 的 UNet 用於圖像去噪

IEEE 電路與系統國際協會 (ISCAS 2022)

摘要

圖像修復是一個具有挑戰性的 ill-posed 問題，並且長期以來一直是研究的難題。過去幾年，卷積神經網絡 (CNNs) 幾乎主導了計算機視覺領域，並在包括圖像修復在內的不同層次的視覺任務中取得了相當的成功。然而，最近基於 Swin Transformer 的模型也展示了令人印象深刻的表現，甚至超越了基於 CNN 的方法，成為高層次視覺任務的最新技術。在本文中，我們提出了一個名為 SUNet 的修復模型，該模型使用 Swin Transformer 層作為基本模塊，並將其應用於 UNet 架構來進行圖像去噪。

論文 arXiv 程式碼 265 影片
ICCE-TW 2021

WBTP-VTON：基於全身和紋理保護的虛擬試穿網絡

IEEE 消費電子國際會議 (ICCE-TW 2021)

摘要

基於圖像的虛擬服裝試穿系統越來越受歡迎。然而，許多挑戰仍有待解決。為此，我們提出了一種新的完全可學習的方法，稱為基於全身和紋理保護的虛擬試穿網絡 (WBTP-VTON)，以應對該領域中的所有實際挑戰。首先，WBTP-VTON 模板轉換使用幾何匹配模塊 (GMM) 方法根據目標人物的體型來轉換目標衣服和褲子（或裙子）。第二部分是合成最終圖像，使生成的結果更逼真。最後，我們使用試穿模塊和合成遮罩將變形的衣服與最終圖像結合起來，以確保圖像的平滑度。經過在大型數據集上的實驗證明，我們的 WBTP-VTON 方法具有先進的虛擬試穿性能。

論文程式碼 5

拖曳比較

碩士論文的影像修復成果

看全部比較

輸入修復後

Kodak24 拖曳滑桿，或用左右方向鍵。

專利

擔任四件已核准台灣新型專利的主要發明人。申請人及專利權人為華碩電腦股份有限公司。

台灣新型專利

電子裝置

Electronic device

主要發明人

公告號

TWM681536U

申請號

TW114210536

申請日

2025年10月2日

公告日

2026年4月1日

申請人

ASUSTeK COMPUTER INC.
台灣新型專利

電子裝置

Electronic device

主要發明人

公告號

TWM678561U

申請號

TW114210089

申請日

2025年9月19日

公告日

2025年12月21日

申請人

ASUSTeK COMPUTER INC.
台灣新型專利

數位音訊系統

Digital audio system

主要發明人

公告號

TWM653962U

申請號

TW112211484

申請日

2023年10月24日

公告日

2024年4月11日

申請人

ASUSTeK COMPUTER INC.
台灣新型專利

音訊轉錄之電子裝置

Electronic device for audio transcription

主要發明人

公告號

TWM652294U

申請號

TW112211968

申請日

2023年11月3日

公告日

2024年3月1日

申請人

ASUSTeK COMPUTER INC.

競賽作品

2026

RepoRadar：AI Issue 分析工具

華碩內部 AI Agent 競賽。整合 GitHub／GitLab Issue、討論及相關 PR／MR 的 Electron 桌面應用程式，提供 AI 摘要、RAG 問答、分析儀表板、排程同步與 Markdown／HTML／PDF 週報。前端 TypeScript，後端 Python FastAPI。

程式碼 1 展示影片