保存工作 返回搜索结果 职责描述 职位概要 类似职位 传统交通轨道领域龙头，AI发展改变的空间极大 技术落地场景负责，职业经验复用性高 关于我们的客户 一家有 30 年渊源、上市 10 年的轨道交通智能系统供应商，产品覆盖全国所有铁路局，正处在把机器视觉、AI 深度嵌入轨交运维的上升期；这个岗位的优点是技术面极全（从少样本学习到边缘部署一条龙）、场景难度高（长尾缺陷、反光表面）、落地成果可量化、平台稳定且有学术资源支撑；代价是行业节奏慢、客户集中度高、岗位门槛偏高。 职责描述 1. 视觉算法架构设计 - 深入理解车辆巡检、工业检测等视觉场景，包括外观缺陷检测、关键部件状态识别、环境感知等任务。 - 根据不同业务场景特点（小目标检测、细粒度分类、长尾分布、复杂遮挡、多任务协同等）设计并优化视觉感知系统。 - 负责构建完整视觉算法Pipeline，包括目标检测、实例分割、OCR识别、三维重建及异常检测等模块，并解决模块间误差传播问题。 - 针对复杂场景设计高鲁棒性算法架构，提高系统稳定性与泛化能力。2. 核心算法研发 - 针对业务难点设计定制化网络结构，如小缺陷检测高分辨率特征增强、复杂反光表面缺陷检测、自适应特征提取等。 - 负责实验设计、数据分析、指标评估及数据增强策略制定，持续优化模型效果。 - 持续跟踪计算机视觉前沿技术并完成工程化落地。3. 重点技术方向 （1）小样本缺陷检测 - 设计Few-Shot、Zero-Shot等小样本学习方案。 （2）域迁移与泛化 - 研究并解决跨车型、跨场地、跨光照条件下模型性能衰减问题。 （3）三维视觉算法 - 基于深度相机、LiDAR等传感器开展三维重建、点云配准、尺寸测量、形变检测等算法开发。 （4）多模态融合 - 融合RGB、深度、红外、点云等多源数据。（5）无监督异常检测 - 在缺少缺陷标签场景下设计异常检测方案。 （6）边缘部署与性能优化 - 面向Jetson Orin、RK3588、地平线J5等边缘计算平台进行模型部署与优化。 理想的求职者 计算机视觉、模式识别、机器学习、人工智能等相关专业硕士及以上学历。 - 博士学历优先。5年以上计算机视觉算法研发经验。 - 其中至少2年以上工业视觉检测、机器人视觉或自动驾驶感知相关项目经验。深入理解主流检测与分割算法，包括YOLO、DETR、Mask R-CNN、Segment Anything（SAM）等，并具备源码阅读与二次开发能力。 - 熟悉Transformer、ViT及主流视觉大模型架构，对State Space Model等新型架构有深入理解。 熟悉生成式AI技术，包括MAE、DINO、iBOT、自监督学习、扩散模型（Diffusion Model）等前沿方向。 具备将前沿研究成果转化为实际业务能力的经验。具备ONNX、TensorRT、OpenVINO、NCNN、MNN等推理框架实际项目经验。能够独立完成需求分析、技术方案设计、原型验证、工程落地、产线部署及持续迭代优化 薪酬待遇 技术覆盖方向全面，同时具备算法研究与工程落地两个方面具备复杂场景下训练出的能力，技术栈复用性极高，迁移能力强10年上市公司，领域龙头企业，稳定性能够保障 联系 Nicole Wang 职位编号 JN-112026-7139259 联系电话 +8675536350503 职位概要 职位类别 工程与制造 子类别 自动化/机电/机器人 行业 信息技术/通信 地区 深圳市 工作类型 全职 顾问名字 Nicole Wang 顾问电话号码 +8675536350503 职位编号 JN-112026-7139259
