1、参与算法工程化部署:将融合算法(如 YOLO 检测)结合模型量化、剪枝技术,部署至边缘设备(边缘计算机)。完成机器视觉算法实现及后续优化,提高运行速度和准确率。
2、精通 Python(数据处理、模型快速验证)与 C++(算法工程化、高性能模块开发),熟练使用 CMake、Makefile 构建工程,能独立编写可复用的算法代码。
3、熟练使用 PyTorch/TensorFlow 框架,具备 YOLO v5/v8/v9/v11(目标检测)、Mask RCNN/YOLOSeg(实例分割)实战经验。
4、熟悉 Linux 操作系统,具备 Shell 脚本编写能力,能应对边缘设备的环境配置与调试。
5、掌握 OpenCV 图像处理全流程,了解传统视觉算法(如 SIFT、ORB)在低算力场景下的应用。
6、掌握模型优化技术:量化(INT8/FP16)、剪枝、蒸馏,能将模型体积压缩 50% 以上且精度损失≤3%;
7、熟悉 ONNX/TensorRT/OpenVINO 部署流程,具备边缘设备部署与性能调优经验。