岗位职责：
1. 负责图像/视频智能算法的研究与开发： 基于深度学习方法，进行目标检测、目标跟踪、属性识别、行为识别等核心算法的设计、实现、优化与迭代，满足实际业务需求；
2. 跟踪前沿技术并推动应用： 密切关注计算机视觉、深度学习、多模态学习等领域的学术研究进展与工业界最佳实践，评估其潜力，并探索在公司现有产品或新场景中的技术应用与落地方案；
3. 探索视觉/多模态大模型应用： 负责研究、适配、微调或优化视觉大模型或图文多模态大模型，探索其在特定场景下的创新应用，提升模型效果与效率；
4. 算法工程化与部署： 负责将研发的算法模型高效地部署到不同计算平台，包括但不限于嵌入式设备、服务器及云平台，优化推理性能和资源消耗。
岗位要求：
1. 学历与专业： 硕士及以上学历，计算机科学、电子工程、自动化、数学、统计学或相关专业背景，图像处理、模式识别、计算机视觉方向优先；
2. 编程基础： 具备扎实的编程能力，精通C/C++，熟练掌握Python；
3. 图像处理基础： 深入理解数字图像处理基础，掌握常用图像特征提取方法和图像处理技术；
4. 机器学习与深度学习： 掌握经典的机器学习算法及其原理。熟练使用主流深度学习框架，具备构建、训练和调试深度学习模型的实际经验；
5. 深度学习模型知识： 具备扎实的深度学习理论基础，熟悉CNN、Transformer等架构，深入了解各类经典模型（如YOLO系列、Faster R-CNN、ResNet、MobileNet、ViT等）的设计思想、优缺点及适用场景；
6. 模型优化技术： 熟悉常见的模型优化技术，包括数据增强（Data Augmentation）、知识蒸馏（Knowledge Distillation）、模型剪枝（Pruning）、量化（Quantization）等，并能应用于实际项目以提升模型效率；
7. 核心素质： 对计算机视觉技术充满热情，具备优秀的逻辑思维能力和创新能力，善于发现并解决复杂问题。具备良好的团队协作精神、沟通能力和主动探索钻研的精神；
8. 落地导向与领域认知： 对将前沿算法转化为实际产品、解决真实世界问题有强烈兴趣和追求，对安防监控相关场景及其技术挑战有基本了解。
加分项：
1. 开源贡献： 活跃于开源社区，在Github上有高质量的个人开源项目，或对主流开源图像/视觉项目有显著贡献，项目获得较高Star数量者更佳；
2. 大模型经验： 熟悉大模型（LLM）技术，具有视觉大模型（如DINOv2, SAM, LLaVA等）或多模态大模型（如Flamingo, BLIP-2, GPT-4V等）的研发、微调、应用或部署落地的实际项目经验；
3. 学术成果： 在计算机视觉、人工智能领域的顶级会议（CVPR, ICCV, ECCV, NeurIPS, ICML, ICLR, IJCAI）或期刊（TPAMI, IJCV）发表过论文；
4. 工程部署经验： 熟悉模型部署工具链及性能优化技巧，有实际嵌入式或边缘计算平台部署经验；
5. 安防场景经验： 具备安防行业（如人脸识别、人车结构化、视频摘要、行为分析、ReID等）相关算法开发或项目落地经验。