zx
图像算法工程师
上海锋则航空科技有限公司 · 2年经验
日薪：
￥500/8h
地点：
上海 浦东
时间：
下班后
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
具备扎实的计算机视觉与人工智能算法工程能力，熟悉深度学习模型在实际工业场景中的部署与优化。掌握 Python、C/C++ 等开发语言，熟悉 Linux 开发环境，具备从算法设计、模型训练、性能优化到工程部署的完整开发经验。熟悉目标检测、目标跟踪、图像分割、变化检测、异常检测等计算机视觉算法，熟练应用 YOLO 系列模型（YOLOv8、YOLOv26 等）进行目标检测任务开发，掌握 Transformer 视觉模型及相关算法原理。熟悉多目标跟踪算法 ByteTrack，能够结合检测模型实现目标关联、轨迹分析与行为统计。掌握 PyTorch 深度学习框架，具备模型训练、调优、推理加速以及 ONNX、TensorRT 等模型部署经验。熟悉 Jetson Orin NX、Jetson TX2 等嵌入式 AI 平台部署流程，能够针对算力受限设备进行模型压缩、结构优化和推理速度提升。了解视觉任务中的特征匹配、图像去雾、图像分类、变化检测等传统视觉算法，同时具备深度学习与传统计算机视觉融合应用能力。熟悉 OpenCV 图像处理库，能够完成图像预处理、数据增强、视觉检测流程设计以及实际工程问题优化。具备 AI 工程化部署经验，熟悉企业级 AI 应用开发流程，包括模型服务化部署、接口设计以及边缘端智能应用落地。
项目经验
具备多个计算机视觉项目研发经验，主要围绕智能交通、工业检测、机器人视觉及嵌入式 AI 部署方向展开。在 MixFormerV2 边缘端推理优化项目中，针对 Jetson 平台算力限制问题，对目标跟踪模型进行轻量化优化，通过调整模型输入尺寸、网络结构以及推理流程，实现模型在 Jetson TX2 和 Orin NX 平台上的高效运行，其中 Orin NX 平台达到 30ms/帧级别推理速度，满足实时应用需求。在小目标检测优化项目中，针对夜间道路环境中目标尺寸小、背景复杂、检测困难等问题，基于 YOLOv8 设计局部增强检测算法，通过对小目标区域进行特征增强，提高模型对远距离、小尺寸目标的检测能力，有效提升复杂环境下的检测精度。在目标检测误报抑制项目中，针对户外环境光照变化、背景干扰等因素导致检测误报的问题，提出目标检测结合变化检测的双模型融合方案，通过时序信息和目标变化特征降低误检率，提高系统稳定性。在无人机队形识别项目中，针对复杂背景下无人机目标检测需求，设计目标检测、结构表达以及分类识别的多阶段方案，实现无人机目标自动识别和区域判断。在城市道路交通分析项目中，基于 YOLO 目标检测算法结合 ByteTrack 多目标跟踪技术，实现车辆、行人等目标检测、轨迹跟踪以及交通行为分析，并完成目标数量统计、区域入侵检测等功能，同时针对 RTX4050 平台进行推理优化，实现实时运行。此外，具备从算法验证到工程部署的完整经验，能够将深度学习模型应用于实际业务场景，实现 AI 算法的稳定落地。
ID:426778
复制
zx
图像算法工程师 · 2年经验 · 上海锋则航空科技有限公司
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
具备扎实的计算机视觉与人工智能算法工程能力，熟悉深度学习模型在实际工业场景中的部署与优化。掌握 Python、C/C++ 等开发语言，熟悉 Linux 开发环境，具备从算法设计、模型训练、性能优化到工程部署的完整开发经验。熟悉目标检测、目标跟踪、图像分割、变化检测、异常检测等计算机视觉算法，熟练应用 YOLO 系列模型（YOLOv8、YOLOv26 等）进行目标检测任务开发，掌握 Transformer 视觉模型及相关算法原理。熟悉多目标跟踪算法 ByteTrack，能够结合检测模型实现目标关联、轨迹分析与行为统计。掌握 PyTorch 深度学习框架，具备模型训练、调优、推理加速以及 ONNX、TensorRT 等模型部署经验。熟悉 Jetson Orin NX、Jetson TX2 等嵌入式 AI 平台部署流程，能够针对算力受限设备进行模型压缩、结构优化和推理速度提升。了解视觉任务中的特征匹配、图像去雾、图像分类、变化检测等传统视觉算法，同时具备深度学习与传统计算机视觉融合应用能力。熟悉 OpenCV 图像处理库，能够完成图像预处理、数据增强、视觉检测流程设计以及实际工程问题优化。具备 AI 工程化部署经验，熟悉企业级 AI 应用开发流程，包括模型服务化部署、接口设计以及边缘端智能应用落地。
项目经验
具备多个计算机视觉项目研发经验，主要围绕智能交通、工业检测、机器人视觉及嵌入式 AI 部署方向展开。在 MixFormerV2 边缘端推理优化项目中，针对 Jetson 平台算力限制问题，对目标跟踪模型进行轻量化优化，通过调整模型输入尺寸、网络结构以及推理流程，实现模型在 Jetson TX2 和 Orin NX 平台上的高效运行，其中 Orin NX 平台达到 30ms/帧级别推理速度，满足实时应用需求。在小目标检测优化项目中，针对夜间道路环境中目标尺寸小、背景复杂、检测困难等问题，基于 YOLOv8 设计局部增强检测算法，通过对小目标区域进行特征增强，提高模型对远距离、小尺寸目标的检测能力，有效提升复杂环境下的检测精度。在目标检测误报抑制项目中，针对户外环境光照变化、背景干扰等因素导致检测误报的问题，提出目标检测结合变化检测的双模型融合方案，通过时序信息和目标变化特征降低误检率，提高系统稳定性。在无人机队形识别项目中，针对复杂背景下无人机目标检测需求，设计目标检测、结构表达以及分类识别的多阶段方案，实现无人机目标自动识别和区域判断。在城市道路交通分析项目中，基于 YOLO 目标检测算法结合 ByteTrack 多目标跟踪技术，实现车辆、行人等目标检测、轨迹跟踪以及交通行为分析，并完成目标数量统计、区域入侵检测等功能，同时针对 RTX4050 平台进行推理优化，实现实时运行。此外，具备从算法验证到工程部署的完整经验，能够将深度学习模型应用于实际业务场景，实现 AI 算法的稳定落地。
立即沟通
