传统算法工程师

岗位职责：
职责一：算法研发与优化： 传统方向：设计高效图像处理算法（如边缘检测、特征匹配、形态学优化、三维点云算法）；深度学习：开发基于CNN/Transformer的检测/分割模型；融合创新：将传统算法与深度学习结合（如用Canny边缘约束分割网络）
关键产出：算法设计文档（含技术选型依据）融合方案性能报告（如精度↑10%、速度↑20%）
职责二： 工程落地与优化，传统算法优化：提升实时性，模型轻量化等
关键产出：算法实时性达标（如工业质检＜10ms/帧）跨平台兼容性测试报告
职责三：场景化解决方案：在指导下设计结合业务需求设计端到端技术解决方案，协同工程团队完成模型部署与性能优化
关键产出：可落地的技术方案文档，上线模型的稳定性与效率指标
职责四：前沿技术探索，研究传统算法新应用；
关键产出：技术预研报告（如SIFT与深度学习特征匹配对比）创新模块代码贡献
职责五：上级领导交办的其他工作事项
关键产出：一般事项2~3天、重点事项3~5天、特殊事项行成报告5~7天完成并反馈。
任职要求：
1、本科及以上学历，计算机科学、人工智能、数学等相关专业，顶尖院校或实验室背景优先。
2、1-3年图像算法研发经验，至少1个传统图像处理项目（如工业定位、OCR预处理）+1个深度学习项目（如缺陷检测）
3、技术能力：传统方向：精通OpenCV/Halcon，掌握特征提取（SIFT/SURF）、图像增强（直方图均衡化）、几何变换（仿射/透视校正）、三维数据处理（PCL）一半及以上； 深度学习：熟悉PyTorch，掌握经典模型（YOLO/UNet）；融合能力：能指导下设计设计混合Pipeline（如传统算法预处理+模型推理+后处理优化）
4、工程能力：传统算法：C++高性能优化（多线程/GPU加速）；深度学习：模型部署（ONNX/TensorRT）
5、行业知识：接触过工业场景需求（如半导体晶圆检测的微米级精度要求）；了解传统与深度学习优劣势（如传统算法在确定性场景的优势)
6、问题拆解：能在指导下针对模糊需求提出多技术路径（如“定位精度不足”对应霍夫变换改进或KPConv网络选型）；技术平衡：根据数据量、实时性、成本选择最优方案（如小样本场景优先传统算法）
7、良好的职业操守，沉稳、自律，风险和责任意识，逻辑性强（如能快速定位模型失效根因），技术热情，抗压能力（如紧急项目连续攻关）。