WH
算法工程师
三一重工股份有限公司 · 3年经验
日薪：
￥500/8h
地点：
长沙 全区
时间：
下班后周日
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
精通2D/3D目标检测算法选型与模型设计，熟练使用主流架构，擅长针对落地场景进行模型的结构优化与精度-速度权衡。具备从模型训练、压缩（剪枝、量化、蒸馏、重参数化）到嵌入式端侧部署的全链路闭环经验，能够高效完成算子适配、内存优化与多线程加速。在多类芯片平台有丰富的落地部署实践，包括NVIDIA Jetson系列、海思NNIE等，能结合硬件特性实现Int8/Int4低比特推理，保障端侧实时高精度检测。同时具备扎实的C++/Python工程化能力和完整项目交付经验，可独立完成算法从调研、优化到量产落地的全流程。
项目经验
通用无人机平台实时目标检测算法研发与部署
为通用无人机（单机）平台开发高精度、高实时性的目标检测算法（人、车、船等），满足端到端低延迟应用需求。
主导/参与实时目标检测模型的选型、训练、调优、已经部署。
进行模型深度轻量化与量化，大幅降低模型计算复杂度和内存占用，是实现高帧率（FPS）的关键。
针对无人机航拍图像特性（高空俯视、小目标、尺度变化、运动模糊）进行模型鲁棒性优化。
负责算法模型在嵌入式边缘平台（如海思/NVIDIA Jetson系列芯片）的高效部署与性能调优，熟练使用海思om/TensorRT进行推理加速。优化预处理/后处理流水线，减少CPU/GPU开销，确保端到端处理延迟满足实时性要求（如 ≥ 30 FPS 特定硬件）。
探索模型结构修改（如Backbone替换、Neck优化）以提升速度/精度权衡。
跨项目技术栈： C++ (部署/优化), Python (训练/算法), OpenCV, Linux, PyTorch, 海思芯片、TensorRT, ONNX,
集群微型无人机协同目标检测
设计并优化面向微型无人机集群的轻量化目标检测算法，优先保障高精度（高召回率与高精度），特别是在复杂背景和小目标场景下。开发稳健的告警逻辑：基于检测置信度、检测模型加分类模型协同校验等策略，设计并实现告警触发与过滤机制，显著降低虚警率。针对集群平台算力与带宽限制，进行模型极致轻量化与优化，在保证核心检测性能的前提下满足资源约束。持续迭代模型与策略，平衡精度、虚警率与资源消耗。
为通用无人机（单机）平台开发高精度、高实时性的目标检测算法（人、车、船等），满足端到端低延迟应用需求。
主导/参与实时目标检测模型的选型、训练、调优、已经部署。
进行模型深度轻量化与量化，大幅降低模型计算复杂度和内存占用，是实现高帧率（FPS）的关键。
针对无人机航拍图像特性（高空俯视、小目标、尺度变化、运动模糊）进行模型鲁棒性优化。
负责算法模型在嵌入式边缘平台（如海思/NVIDIA Jetson系列芯片）的高效部署与性能调优，熟练使用海思om/TensorRT进行推理加速。优化预处理/后处理流水线，减少CPU/GPU开销，确保端到端处理延迟满足实时性要求（如 ≥ 30 FPS 特定硬件）。
探索模型结构修改（如Backbone替换、Neck优化）以提升速度/精度权衡。
跨项目技术栈： C++ (部署/优化), Python (训练/算法), OpenCV, Linux, PyTorch, 海思芯片、TensorRT, ONNX,
集群微型无人机协同目标检测
设计并优化面向微型无人机集群的轻量化目标检测算法，优先保障高精度（高召回率与高精度），特别是在复杂背景和小目标场景下。开发稳健的告警逻辑：基于检测置信度、检测模型加分类模型协同校验等策略，设计并实现告警触发与过滤机制，显著降低虚警率。针对集群平台算力与带宽限制，进行模型极致轻量化与优化，在保证核心检测性能的前提下满足资源约束。持续迭代模型与策略，平衡精度、虚警率与资源消耗。
WH
算法工程师 · 3年经验 · 三一重工股份有限公司
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
精通2D/3D目标检测算法选型与模型设计，熟练使用主流架构，擅长针对落地场景进行模型的结构优化与精度-速度权衡。具备从模型训练、压缩（剪枝、量化、蒸馏、重参数化）到嵌入式端侧部署的全链路闭环经验，能够高效完成算子适配、内存优化与多线程加速。在多类芯片平台有丰富的落地部署实践，包括NVIDIA Jetson系列、海思NNIE等，能结合硬件特性实现Int8/Int4低比特推理，保障端侧实时高精度检测。同时具备扎实的C++/Python工程化能力和完整项目交付经验，可独立完成算法从调研、优化到量产落地的全流程。
项目经验
通用无人机平台实时目标检测算法研发与部署
为通用无人机（单机）平台开发高精度、高实时性的目标检测算法（人、车、船等），满足端到端低延迟应用需求。
主导/参与实时目标检测模型的选型、训练、调优、已经部署。
进行模型深度轻量化与量化，大幅降低模型计算复杂度和内存占用，是实现高帧率（FPS）的关键。
针对无人机航拍图像特性（高空俯视、小目标、尺度变化、运动模糊）进行模型鲁棒性优化。
负责算法模型在嵌入式边缘平台（如海思/NVIDIA Jetson系列芯片）的高效部署与性能调优，熟练使用海思om/TensorRT进行推理加速。优化预处理/后处理流水线，减少CPU/GPU开销，确保端到端处理延迟满足实时性要求（如 ≥ 30 FPS 特定硬件）。
探索模型结构修改（如Backbone替换、Neck优化）以提升速度/精度权衡。
跨项目技术栈： C++ (部署/优化), Python (训练/算法), OpenCV, Linux, PyTorch, 海思芯片、TensorRT, ONNX,
集群微型无人机协同目标检测
设计并优化面向微型无人机集群的轻量化目标检测算法，优先保障高精度（高召回率与高精度），特别是在复杂背景和小目标场景下。开发稳健的告警逻辑：基于检测置信度、检测模型加分类模型协同校验等策略，设计并实现告警触发与过滤机制，显著降低虚警率。针对集群平台算力与带宽限制，进行模型极致轻量化与优化，在保证核心检测性能的前提下满足资源约束。持续迭代模型与策略，平衡精度、虚警率与资源消耗。
为通用无人机（单机）平台开发高精度、高实时性的目标检测算法（人、车、船等），满足端到端低延迟应用需求。
主导/参与实时目标检测模型的选型、训练、调优、已经部署。
进行模型深度轻量化与量化，大幅降低模型计算复杂度和内存占用，是实现高帧率（FPS）的关键。
针对无人机航拍图像特性（高空俯视、小目标、尺度变化、运动模糊）进行模型鲁棒性优化。
负责算法模型在嵌入式边缘平台（如海思/NVIDIA Jetson系列芯片）的高效部署与性能调优，熟练使用海思om/TensorRT进行推理加速。优化预处理/后处理流水线，减少CPU/GPU开销，确保端到端处理延迟满足实时性要求（如 ≥ 30 FPS 特定硬件）。
探索模型结构修改（如Backbone替换、Neck优化）以提升速度/精度权衡。
跨项目技术栈： C++ (部署/优化), Python (训练/算法), OpenCV, Linux, PyTorch, 海思芯片、TensorRT, ONNX,
集群微型无人机协同目标检测
设计并优化面向微型无人机集群的轻量化目标检测算法，优先保障高精度（高召回率与高精度），特别是在复杂背景和小目标场景下。开发稳健的告警逻辑：基于检测置信度、检测模型加分类模型协同校验等策略，设计并实现告警触发与过滤机制，显著降低虚警率。针对集群平台算力与带宽限制，进行模型极致轻量化与优化，在保证核心检测性能的前提下满足资源约束。持续迭代模型与策略，平衡精度、虚警率与资源消耗。
立即沟通
