岗位职责：

1.参与基于深度学习的 2D/3D 目标检测、语义分割与多目标跟踪算法的研发；

2.基于开源模型（如 YOLO、Faster-RCNN、Mask-RCNN、DeepSORT、ByteTrack、CenterTrack
等）完成算法复现、调试与适配；

3.参与目标轨迹管理与预测相关模块的设计与优化（如轨迹平滑、遮挡恢复、轨迹预测）；

4.在特定场景（多视角、动态目标、无人机视角、室外复杂环境）下进行算法性能测试、指标评估与结果可视化；

5.协助完成模型训练、超参搜索、推理部署与加速（如 ONNX / TensorRT / TFLite）；

6.支持感知算法在 ROS /
ROS 2 系统中的集成、仿真与现场测试；

7.编写算法实验记录、评估报告，参与技术讨论与研发迭代。

任职要求：

1.计算机、人工智能、自动化、电子工程、机器人等相关专业在读本科或硕士；

2.熟悉计算机视觉与深度学习基本原理，了解以下方向中的若干内容：

（1）目标检测与语义分割：YOLO、Mask-RCNN、Segment Anything；

（2）多目标跟踪与轨迹预测：SORT/DeepSORT、ByteTrack、Kalman

Filter、LSTM-based prediction；

3.熟练使用 Python，具备 PyTorch 实战经验；

4.熟悉数据结构、算法基本功扎实，具备独立调试能力和问题分析能力；

5.熟悉 Linux 环境与基本 Shell 操作，了解 ROS/ROS 2 的基础操作；

6.具备良好的沟通能力、文档撰写能力和团队协作意识；

7.对视觉感知、智能系统研发有持续学习的热情和钻研精神。

加分项

1.有 GitHub 算法复现项目或 AI 比赛（如 CVPR、百度 AI
Studio、天池）获奖经历；

2.有使用 NanoDet、YOLOv8、CenterTrack、TrackFormer、Segment Anything、Mask2Former 等模型的训练/调优经验；

3.熟悉模型部署与加速工具链，如
TensorRT、ONNX、模型量化与剪枝；

4.具备相机、LiDAR、IMU 多传感器融合感知项目经验；

5.有无人机视觉、自动驾驶、多目标跟踪/预测方向的科研或竞赛项目经验优先。