91高清视频,天天操人人,日日干日日色,中文娱乐av,99精品欧美一区二区蜜桃免费,午夜乱蜜桃久久久乱,麻豆国产在线播放

職位：CV視覺算法工程師
崗位職責：
參與公司計算機視覺算法的設計、開發與優化，涵蓋目標檢測、圖像分割、OCR識別、圖像分類等核心視覺任務的算法研發與迭代；
負責基于YOLO系列（YOLOv5/v8/v11/YOLOX等）、RT-DETR等主流檢測框架的模型選型、訓練調優與部署落地；
參與視覺大模型（VLM）相關工作，包括視覺編碼器（ViT、SigLIP、InternViT等）的微調與適配、視覺-語言對齊模塊的優化（如MLP Projector、Cross-Attention Bridge等）；
負責視覺數據Pipeline的構建與維護，包括數據采集、清洗、標注管理（Labelme/CVAT等）、數據增強策略設計與質量控制；
參與模型的工程化部署與推理優化，包括使用ONNX Runtime、TensorRT、OpenVINO等框架進行模型量化、剪枝及端側/服務端推理加速；
基于OpenCV、Pillow等工具完成圖像預處理、后處理及傳統視覺算法（形態學操作、輪廓檢測、模板匹配等）的開發與集成；
跟蹤學術界與工業界在目標檢測、視覺大模型、多模態理解等方向的前沿進展，并在團隊內進行分享與落地探索；
配合產品與工程團隊完成視覺算法方案的聯調、測試與迭代。
任職資格：
計算機科學、人工智能、電子信息、自動化等相關專業本科及以上學歷；
熟練掌握Python和C ，具備良好的編程習慣和代碼能力；
掌握深度學習基礎理論，熟悉CNN、Transformer等主干網絡架構原理（卷積操作、注意力機制、FPN/PAN特征融合等核心概念）；
熟練使用OpenCV進行圖像處理與分析，具備扎實的傳統視覺算法功底；
對YOLO系列檢測框架有深入理解和實際項目經驗，熟悉Anchor-Free/Anchor-Based檢測范式、NMS后處理、多尺度檢測等關鍵技術；
對視覺大模型（VLM）架構有了解或實踐經驗，理解視覺編碼器（ViT、SigLIP等）的工作原理，了解視覺Token化、圖像分辨率適配（Dynamic Resolution、AnyRes等）策略者優先；
熟悉PyTorch等主流深度學習框架，有MMDetection、Ultralytics、Detectron2等檢測工具鏈使用經驗者優先；
具備良好的文獻閱讀能力和自驅學習習慣，能夠快速理解并復現前沿工作；
有天池競賽、CVPR/ECCV/ICCV等頂會論文發表、開源項目貢獻經驗者優先。
加分項：
有模型部署實戰經驗（TensorRT、ONNX、TFLite等），熟悉從訓練到上線的完整鏈路
有多模態大模型相關研究或項目經驗（如Qwen-VL、InternVL、LLaVA等模型的訓練或微調）
有實際視覺應用落地經驗（如工業質檢、自動駕駛感知、安防監控等場景）