工作职责：

1、收集开源数据以及规划视觉数据采集方案，明确采集场景、设备及数据类型。

2、执行视觉数据清洗操作，去除无效数据，统一图片分辨率、视频帧率等格式。

3、对数据进行标注清洗以达到可以训练的标准。

4、基于交通业务需求（如车辆检测、行人跟踪、特征提取），完成算法方案设计，包括但不限于模型选型、特征工程、数据增强和损失函数定义等。

5、利用标注好的交通数据集进行模型训练、调参，通过混淆矩阵、mAP 等指标验证算法精度，将算法准确率提升至行业标准以上。

6、针对边缘设备的硬件限制，进行算法轻量化优化，如模型剪枝、量化，确保推理速度满足实时性要求。

7、与工程团队协作，完成算法的代码封装（如生成 Python SDK、C++ 接口）。

8、在目标硬件（如NVIDIA、算能、寒武纪）上部署算法，进行性能测试与资源优化，控制 CPU/GPU 占用率在合理范围。

9、编写算法部署文档、用户操作手册，明确环境配置要求、调用流程和故障排查方法，方便运维团队后续维护。

10、定期调研行业动态，包括顶会论文、开源项目和竞品技术方案，提炼可借鉴的技术点。

11、参与内部技术分享，将调研成果转化为培训材料，提升团队整体技术视野。

12、输出知识产权。

任职要求：

1、硕士及以上学历，计算机科学与技术、电子信息、模式识别与智能系统、软件工程、数学等相关专业。

2、参加过AI 视觉技术类培训、行业认证类培训者优先。

3、具备 2 年及以上 AI 视觉算法研发经验，至少独立负责过 1 个视觉算法项目。

4、有边缘设备（算能，寒武纪等）视觉算法部署经验者优先，能解决算法在硬件上的性能适配问题（如推理速度、资源占用优化）。

5、有智慧交通相关场景经验：如参与过车辆检测、违章抓拍、交通事件识别（如事故、拥堵检测）、路侧视觉感知等项目，熟悉交通场景的视觉数据特点（如复杂天气、多目标遮挡）

6、有大规模视觉数据集处理经验。

7、掌握计算机视觉核心算法原理，理解目标检测、图像分类、视频跟踪的基本逻辑，能针对交通场景（如路口车辆检测、行人识别）选择适配算法。熟悉深度学习基础，掌握 CNN 、VIT等网络结构、常用损失函数、优化器。

8、熟练使用 Python（NumPy、Pandas 处理数据，OpenCV 进行图像预处理），精通 PyTorch/TensorFlow 框架，能独立搭建模型训练流程（数据加载、训练循环、指标评估）。掌握视觉数据标注工具，能制定基础标注规则（如车辆、交通标志的标注边界），会使用 OpenCV 进行数据增强。了解边缘设备的算法部署流程，能将训练好的模型转换为可部署格式，确保推理速度满足基础实时性。