崗位職責：
1. 復雜場景下的目標檢測與識別
- 研發高精度多目標檢測算法（小目標、遮擋、低光照場景），在COCO/PASCAL VOC等數據集上達到SOTA性能（mAP≥85%）
- 設計自適應特征提取網絡，解決跨域泛化問題（如可見光→紅外遷移學習）
- 優化旋轉目標檢測（如DOTA數據集場景），開發基于關鍵點的旋轉框回歸方法
2. 實時多目標跟蹤（MOT）系統開發
- 實現100FPS+的多目標跟蹤算法（DeepSORT/ByteTrack優化），ID Switch率≤1%
- 開發多模態融合跟蹤（RGB+Thermal/LiDAR），解決目標遮擋與形變問題
- 構建長時重識別（ReID）模塊，支持目標離場后二次識別
3. 嵌入式端算法極致優化
- 在RK3588/NVIDIA Jetson平臺部署YOLOv7/PP-YOLOE等模型，實現4K@30FPS實時檢測
- 開發NPU專用算子（如RKNN自定義OP），加速注意力機制/Transformer層
- 設計多級流水線架構，平衡檢測→跟蹤→識別任務的資源分配
4. J工/航天級算法開發
- 開發抗干擾目標識別算法（應對電子戰環境下的圖像干擾）
- 實現星載平臺的輕量化跟蹤算法（內存<100MB，功耗<5W）
任職要求：
1. 硬性門檻
- 博士學歷（碩士需5年以上經驗），計算機視覺/模式識別專業
- 以第一作者發表過CVPR/ICCV/ECCV論文，或相關領域專利3項以上
- 主導過至少1個10萬張以上標注數據的工業級視覺項目
2. 核心算法能力
- 深度學習架構設計
- 精通DETR系列（如Deformable DETR）或YOLO系列模型改進
- 掌握視覺Transformer的輕量化技術（如MobileViT, EdgeNeXt）
- 有自監督/半監督學習實戰經驗（SimCLR, MoCo等）
- 多目標跟蹤專精
- 熟悉關聯算法（匈牙利算法/JDE范式）與運動模型（Kalman/粒子濾波）
- 開發過跨相機全局跟蹤系統（支持拓撲地圖構建）
- 傳統CV融合能力
- 精通特征工程（SIFT/SURF/ORB）與幾何視覺（PnP/EPnP）
- 掌握OpenCL/CUDA加速的經典算法（如光流法LK優化）
3. 嵌入式部署硬核技能
- 在ARM平臺實現過INT8量化后精度損失<2%的模型壓縮
- 開發多線程異構調度框架（CPU+NPU+GPU任務分配）
- 熟悉TensortRT的plugin開發與ONNX算子自定義
4. 特殊場景經驗（加分項）
- J事領域：SAR圖像目標識別/紅外弱小目標檢測
- G業領域：高速運動目標跟蹤（如子彈彈道分析）
- Y療領域：顯微鏡細胞追蹤/內窺鏡病灶定位