工作職責(zé)：
1、收集開源數(shù)據(jù)以及規(guī)劃視覺數(shù)據(jù)采集方案，明確采集場景、設(shè)備及數(shù)據(jù)類型。
2、執(zhí)行視覺數(shù)據(jù)清洗操作，去除無效數(shù)據(jù)，統(tǒng)一圖片分辨率、視頻幀率等格式。
3、對數(shù)據(jù)進(jìn)行標(biāo)注清洗以達(dá)到可以訓(xùn)練的標(biāo)準(zhǔn)。
4、基于交通業(yè)務(wù)需求（如車輛檢測、行人跟蹤、特征提?。瓿伤惴ǚ桨冈O(shè)計，包括但不限于模型選型、特征工程、數(shù)據(jù)增強(qiáng)和損失函數(shù)定義等。
5、利用標(biāo)注好的交通數(shù)據(jù)集進(jìn)行模型訓(xùn)練、調(diào)參，通過混淆矩陣、mAP 等指標(biāo)驗證算法精度，將算法準(zhǔn)確率提升至行業(yè)標(biāo)準(zhǔn)以上。
6、針對邊緣設(shè)備的硬件限制，進(jìn)行算法輕量化優(yōu)化，如模型剪枝、量化，確保推理速度滿足實時性要求。
7、與工程團(tuán)隊協(xié)作，完成算法的代碼封裝（如生成 Python SDK、C++ 接口）。
8、在目標(biāo)硬件（如NVIDIA、算能、寒武紀(jì)）上部署算法，進(jìn)行性能測試與資源優(yōu)化，控制 CPU/GPU 占用率在合理范圍。
9、編寫算法部署文檔、用戶操作手冊，明確環(huán)境配置要求、調(diào)用流程和故障排查方法，方便運(yùn)維團(tuán)隊后續(xù)維護(hù)。
10、定期調(diào)研行業(yè)動態(tài)，包括頂會論文、開源項目和競品技術(shù)方案，提煉可借鑒的技術(shù)點(diǎn)。
11、參與內(nèi)部技術(shù)分享，將調(diào)研成果轉(zhuǎn)化為培訓(xùn)材料，提升團(tuán)隊整體技術(shù)視野。
12、輸出知識產(chǎn)權(quán)。

任職要求：
1、碩士及以上學(xué)歷，計算機(jī)科學(xué)與技術(shù)、電子信息、模式識別與智能系統(tǒng)、軟件工程、數(shù)學(xué)等相關(guān)專業(yè)。
2、參加過AI 視覺技術(shù)類培訓(xùn)、行業(yè)認(rèn)證類培訓(xùn)者優(yōu)先。
3、具備 2 年及以上 AI 視覺算法研發(fā)經(jīng)驗，至少獨(dú)立負(fù)責(zé)過 1 個視覺算法項目。
4、有邊緣設(shè)備（算能，寒武紀(jì)等）視覺算法部署經(jīng)驗者優(yōu)先，能解決算法在硬件上的性能適配問題（如推理速度、資源占用優(yōu)化）。
5、有智慧交通相關(guān)場景經(jīng)驗：如參與過車輛檢測、違章抓拍、交通事件識別（如事故、擁堵檢測）、路側(cè)視覺感知等項目，熟悉交通場景的視覺數(shù)據(jù)特點(diǎn)（如復(fù)雜天氣、多目標(biāo)遮擋）
6、有大規(guī)模視覺數(shù)據(jù)集處理經(jīng)驗。
7、掌握計算機(jī)視覺核心算法原理，理解目標(biāo)檢測、圖像分類、視頻跟蹤的基本邏輯，能針對交通場景（如路口車輛檢測、行人識別）選擇適配算法。熟悉深度學(xué)習(xí)基礎(chǔ)，掌握 CNN 、VIT等網(wǎng)絡(luò)結(jié)構(gòu)、常用損失函數(shù)、優(yōu)化器。
8、熟練使用 Python（NumPy、Pandas 處理數(shù)據(jù)，OpenCV 進(jìn)行圖像預(yù)處理），精通 PyTorch/TensorFlow 框架，能獨(dú)立搭建模型訓(xùn)練流程（數(shù)據(jù)加載、訓(xùn)練循環(huán)、指標(biāo)評估）。掌握視覺數(shù)據(jù)標(biāo)注工具，能制定基礎(chǔ)標(biāo)注規(guī)則（如車輛、交通標(biāo)志的標(biāo)注邊界），會使用 OpenCV 進(jìn)行數(shù)據(jù)增強(qiáng)。了解邊緣設(shè)備的算法部署流程，能將訓(xùn)練好的模型轉(zhuǎn)換為可部署格式，確保推理速度滿足基礎(chǔ)實時性。