图像视觉算法工程师

1、核心算法研发：负责图像视觉算法的研发与工程化落地，聚焦目标检测、实例/语义分割、图像分类、关键点定位、OCR及细粒度识别等方向，结合业务场景完成模型架构设计、策略制定与效果持续优化。
2、全链路项目交付：独立或协同主导图像算法项目全生命周期，涵盖需求拆解、高质量图像数据集构建与增强流水线搭建、模型训练与调优、多维度性能评估（精度/延迟/显存/功耗）、模型轻量化与端侧部署上线，并沉淀完整的技术方案与评测文档。
3、前沿技术跟进与转化：持续追踪计算机视觉领域最新进展，针对真实场景痛点（如小目标、遮挡、长尾分布、复杂光照、低分辨率等）引入高效注意力机制、大模型微调、数据增强与自监督学习等先进技术，提升模型泛化能力与推理效率。
4、工程规范与质量保障：遵循软件工程最佳实践，编写高内聚、低耦合、易测试的高质量代码；落实版本控制、单元测试与自动化评测脚本，确保图像预处理、模型配置、训练参数可追溯，实验结果高度可复现。
任职要求：
1.统招硕士及以上学历，计算机科学、人工智能、模式识别、电子信息、数学或相关专业；具备3年及以上图像视觉算法开发与落地经验。
2.精通PyTorch/TensorFlow深度学习框架，深入理解主流Backbone网络（ResNet/EfficientNet/ViT/Swin Transformer等）及先进SOTA架构；熟练掌握MMDetection、Detectron2、YOLO官方库、OpenMMLab等主流工具链，具备丰富的图像数据构建、强增强策略设计与模型迭代调优经验。
3.熟悉模型压缩与加速全流程，掌握结构化/非结构化剪枝、INT8/FP16量化、知识蒸馏、算子定制等技术；熟练使用TensorRT、ONNX Runtime、NCNN、OpenVINO等推理引擎，能在GPU服务器或ARM/嵌入式平台上完成高精度推理服务开发；精通C++/Python双栈编程，熟悉Linux环境、Git工作流与Docker容器化。
4.具备良好的数学基础，能够运用数学工具进行算法分析和优化；具备良好的代码规范意识、跨团队协作能力与技术文档撰写习惯，能快速定位图像算法问题并提供可落地的工程化解决方案。