智能驾驶感知算法工程师

核心模型与后处理融合开发：负责视觉感知全链路算法落地，整合分割（语义 / 实例）、目标检测（OD）、遮挡检测（OCC）模型，泊车USS等，设计并实现多任务结果的后处理融合逻辑，输出统一、高精度的感知结构化结果；

算法优化与落地：针对模型推理结果（如检测框偏移、分割掩码不精准、遮挡等级误判）优化后处理策略（如 NMS、IOU 匹配、遮挡比例计算、掩码融合），提升感知结果的鲁棒性和实时性；

效果迭代与问题解决：分析实际场景下（如复杂路况、极端天气）感知算法的失效案例，迭代优化模型后处理规则，解决 “漏检 / 误检 / 遮挡误判 / 分割掩码错位” 等核心问题；

工程化落地：与工程团队协作，将感知算法（模型 + 后处理）封装为标准化接口，适配 TensorRT/ONNX Runtime 等推理框架，满足实时性（如自动驾驶要求≥30FPS）和部署要求；

技术文档与协作：输出算法设计文档、后处理逻辑说明文档，与测试 / 产品团队协作制定感知算法评测指标（如 mAP、分割 IoU、遮挡检测准确率），推动算法效果验收

熟练掌握 C/C++/Python 语言，有扎实的编程和算法基础；

深刻理解机器学习、深度学习等相关知识；

熟悉 TensorFlow/Pytorch 等训练框架，熟悉Opencv基础图像库；

有扎实的数理基础与优秀的编程能力，自我驱动力强，具有快速学习能力；

有大模型、VLM、VLA、端到端实习和项目经历优先；

有CUDA加速经验、熟悉主流技术架构和开发模式者优先；

有顶会论文发表者优先