嵌入式视觉算法工程师

岗位职责 多场景轻量化模型设计与训练：负责嵌入式端侧多场景视觉模型（人脸、人形检测、人物跟随、身份识别、宠物识别等）的设计与训练。负责数据采集、清洗、标注及训练全流程。 端侧部署与推理优化：负责将模型转换为嵌入式 NPU 支持的格式，有常用瑞芯微、sigmstar、富瀚微等IPC SoC芯片经验者优先。 传统视觉算法应用：利用传统图像处理算法（如滤波、边缘检测、仿射变换、色彩空间转换等）进行图像预处理和后处理，优化前端数据质量。 性能调优：针对嵌入式实时操作系统环境，优化算法的执行效率，降低功耗与延迟，确保在资源受限（KB 级内存、低主频 CPU）的设备上流畅运行。 任职要求 教育背景：计算机、电子信息、自动化、通信等相关专业，本科及以上学历。 深度学习框架：熟练掌握 PyTorch 或 TensorFlow 至少一种深度学习框架，具备独立搭建网络、编写训练脚本及调试模型的能力；深入理解 YOLO 等单阶段检测算法原理，并有将其移植到资源受限平台的实战经验者优先。 模型部署经验：熟悉 IPC 芯片（如 RK 瑞芯微）平台开发工具链，有丰富的量化和部署经验。 传统算法基础：熟悉 OpenCV 或类似的图像处理库，理解传统视觉算法原理。 数据与训练能力：具备完整的数据闭环思维，有处理大规模数据集、数据增强、模型训练及超参数调优的实战经验；理解模型量化及蒸馏原理，有处理量化掉点问题的实际经验。 加分项 多场景视觉落地经验：有人物跟随、人形检测、身份识别、宠物识别等嵌入式视觉场景落地经验者优先。 音频算法经验：熟悉数字信号处理理论，有音频算法（如语音唤醒、降噪、回声消除、关键词检测等）实际落地经验者优先。 AI能力：有丰富的AI Agent使用经验，有AI优化算法经验者优先。具备良好的业务需求转化成AI输入的能力。