计算机视觉算法工程师(A15920)

该职位来源于猎聘 1. 负责计算机视觉及深度学习算法的研究、开发与优化，包括目标检测、人体姿态估计、目标跟踪、图像分类、关键点检测等方向； 2. 参与运动相机及高尔夫运动分析相关算法开发，实现人体、球杆、球等目标的检测、跟踪及运动状态分析； 3. 负责高尔夫挥杆过程中人体关键点、球杆关键点及关键动作阶段的识别； 4. 参与高速摄像、弱光、运动模糊等复杂场景下的视觉算法研究与优化； 5. 参与单目 2D/3D 人体姿态估计、运动轨迹分析及人体运动学指标计算等相关算法预研； 6. 负责深度学习模型训练、数据分析、模型评估、模型压缩及推理性能优化； 7. 负责算法在 ARM/NPU 等嵌入式平台上的部署与优化，满足实际产品的实时性和资源要求； 8. 配合硬件、嵌入式及产品团队完成算法产品化落地。 职位要求： 1. 硕士及以上学历，计算机、人工智能、软件工程、自动化、电子信息、模式识别等相关专业； 2. 熟悉计算机视觉和深度学习基础知识，了解 CNN、Transformer 等常见网络结构； 3. 熟悉至少一种深度学习框架，如 PyTorch、TensorFlow 等； 4. 熟悉 Python，具备一定的 C/C++ 编程能力； 5. 熟悉 OpenCV，具备基本的图像处理和计算机视觉算法开发能力； 6. 了解目标检测、人体姿态估计、目标跟踪等至少一个方向； 7. 具备良好的数学基础，了解线性代数、概率统计及常见机器学习算法； 8. 具备较强的问题分析能力、学习能力和工程实践能力。 加分项 1. 有 YOLO、RT-DETR、HRNet、ViTPose、MediaPipe 等检测或姿态估计相关项目经验； 2. 有人体姿态估计、人体动作识别、视频理解、时序动作分析相关研究或项目经验； 3. 有 ByteTrack、DeepSORT、Siamese 等目标跟踪算法使用或开发经验； 4. 有单目 3D 人体姿态估计、VideoPose3D、PoseFormer 等相关项目经验； 5. 熟悉模型量化、剪枝、蒸馏、ONNX、TensorRT、RKNN 等模型部署和优化方法； 6. 有 Rockchip、NVIDIA Jetson、ARM/NPU 等嵌入式平台开发经验； 7. 有体育运动分析、高尔夫挥杆分析、人体生物力学等相关研究或项目经验。