具身感知与视觉算法工程师

【团队定位与业务场景】 我们致力于构建面向视频场景的智能分析与理解引擎，核心业务涵盖视频结构化解析、目标行为分析与实时事件感知。你将参与核心视频分析引擎的架构设计与演进，利用计算机视觉技术处理复杂动态场景特征，支撑业务从数据到落地的全链路闭环。 【核心职责】 前沿技术落地：跟踪并复现目标检测、实例分割、多目标跟踪领域的前沿算法与工程方案，负责模型的本地部署、微调优化与推理性能调优，保障在实际场景中的稳定运行。 实时视频分析研发：构建高并发、低延迟的实时视频分析流水线，处理多源视频流数据，实现目标检测、实例分割、多目标跟踪与计数统计的端到端闭环。 工程化与迭代闭环：主导 CV 项目从数据构建、模型训练、视频推理、部署优化到 bad case 迭代的完整流程，通过持续的效果验证与问题修复，形成业务可用的稳定解决方案。 业务场景适配：深入分析视频场景中的目标行为、运动轨迹与业务规则，将业务需求抽象为模型可学习的视觉特征与约束条件，推动算法与业务的深度融合。 【任职要求】 ・自驱力与探索欲：学历不限（欢迎在校生）。对计算机视觉领域有浓厚兴趣，具备持续追踪 ArXiv 前沿论文与开源社区动态的习惯。 ・细分领域的实战经验：在目标检测、实例分割、多目标跟踪方向有扎实的动手开发经验，需满足以下一项或多项： ◦ 跑通并了解 YOLO、DETR、ByteTrack 等主流 CV 模型的开源代码与底层机制。 ◦ 具备视频目标跟踪、计数统计或实时视频分析相关项目的完整落地经验。 ◦ 熟悉并实操过 CV 模型的数据标注、训练调优、部署优化（如 TensorRT/ONNX）全流程。 ・逻辑分析能力：能够清晰解构复杂视频业务场景，具备将业务逻辑抽象为视觉算法方案的能力。 ・基础工程能力：熟练掌握 PyTorch 或 TensorFlow 生态，熟悉 OpenCV 等视觉工具库，能编写高效、规范的模型训练与推理代码。 【加分项】 ・在 GitHub 有相关的高质量开源项目，或向主流 CV 框架贡献过代码。 ・在 Kaggle、AI City Challenge 等竞赛的目标检测、视频跟踪赛道取得过优异成绩（Top 10%）。 ・有独立训练并跑通特定业务场景 CV 项目的完整经验，或有大规模视频分析系统的工程化落地经验。 【我们提供】 ・充足的算力资源支持，保障前