职位描述
我们正在寻找一名具备扎实图像识别算法研发能力和工程化经验的工程师，负责搭建和维护高效的算法训练平台，推动图像识别技术在实际业务场景中的落地应用。你需要深入理解计算机视觉技术，熟悉开源训练框架，并能结合业务需求设计高性能、可扩展的算法解决方案。
工作职责
算法研发与优化：
负责图像分类、目标检测、图像分割等算法的研发与调优（如YOLO、ResNet、Mask R-CNN等模型）。
针对业务场景优化模型性能（精度、速度、轻量化），解决数据噪声、小样本等问题。
训练平台搭建：
搭建和维护分布式算法训练平台，集成主流开源框架（如PyTorch Lightning、MMDetection、TensorFlow Extended）。
设计数据预处理、模型训练、超参数调优、模型版本管理的全流程自动化工具链。
工程化落地：
实现算法从实验环境到生产环境的部署，支持GPU/CPU混合推理加速（TensorRT、ONNX Runtime）。
与工程团队协作，优化模型服务性能（高并发、低延迟）。
技术调研与创新：
跟踪学术界与工业界最新进展（如Vision Transformer、Diffusion Models），探索其在业务中的应用场景。
任职要求
硬性条件
技术能力：
熟练掌握Python，熟悉PyTorch/TensorFlow/Keras等深度学习框架，精通OpenCV/PIL等图像处理库。
熟悉常见CV算法原理，具备独立复现和改进SOTA模型的能力。
有搭建算法训练平台的经验，熟悉Kubeflow/MLflow/Airflow等工具或自研平台架构。
项目经验：
至少主导或深度参与过1个以上图像识别项目的完整落地（需提供案例说明，如：工业质检、医疗影像分析、安防监控等）。
熟悉数据标注、数据增强、模型蒸馏等实际工程问题解决方案。
工程能力：
熟悉Git/Docker/Kubernetes，具备良好的代码规范和模块化设计能力。
了解模型服务化部署（Flask/FastAPI/Triton Inference Server）。
加分项
熟悉开源社区项目（如Hugging Face、Detectron2），有代码贡献者优先。
具备多模态（图像+文本）或3D视觉（点云处理）项目经验。
在Kaggle、天池等竞赛中取得过优异成绩。
团队与福利
技术氛围：扁平化管理，提供***算力资源（A100集群），支持发表专利/论文。