狮子山实验室-计算机视觉算法工程师（事件检测_视频分析方向）(J31637)

负责计算机视觉算法在机器人巡检、园区安防、工业巡检、智慧物业等业务场景中的研发、优化与工程化落地，支撑智能巡检机器人对人员、车辆、物体、异常行为和现场事件的感知识别能力。

负责目标检测、图像分割、目标跟踪、ReID、行为识别、视频理解等视觉算法的研发与优化，包括但不限于人员检测、车辆检测、垃圾检测、吸烟检测、躺卧检测、打架检测、占道检测、安全帽 / 工服识别、明火 / 烟雾识别等场景。

负责巡检类视觉算法的数据闭环建设，包括数据采集、数据清洗、样本标注规范制定、数据集构建、难例挖掘、样本均衡、模型训练、模型评估和效果迭代。

负责视觉模型的训练、微调、蒸馏、剪枝、量化和精度优化，提升模型在复杂光照、夜间、逆光、遮挡、运动模糊、低视角、移动视角等真实机器人场景下的鲁棒性。

负责图像 / 视频检测结果的结构化输出，包括目标类别、目标框、分割区域、跟踪 ID、事件类别、置信度、时间戳、截图 / 视频片段等，为告警系统、任务系统和上位机平台提供稳定接口。

负责视觉算法在机器人端侧、边缘服务器或云端环境中的效果验证与联调，配合工程部署团队完成模型转换、推理链路接入、性能测试和问题定位。

负责巡检事件检测算法的效果评估体系建设，包括准确率、召回率、误报率、漏报率、时延、稳定性、跨场景泛化能力等指标设计与持续优化。

负责对第三方视觉算法或开源模型进行技术评估、效果测试和二次优化，判断其在机器人移动视角、巡检业务场景和真实交付环境中的可用性。

跟踪计算机视觉、开放词汇检测、视频理解、视觉基础模型、小目标检测、行为识别等前沿技术，结合公司机器人产品需求进行技术预研、方案验证和工程转化。

本科及以上学历，计算机、人工智能、电子信息、自动化、机器人、模式识别等相关专业，具备 2 年及以上计算机视觉、深度学习或图像 / 视频分析算法研发经验；能力优秀者可适当放宽年限要求。

具备扎实的机器学习和深度学习基础，熟悉 CNN、Transformer、目标检测、图像分割、目标跟踪、行为识别、视频理解等相关算法原理。

熟悉主流目标检测、分割、跟踪或视觉识别算法，如 YOLO 系列、RT-DETR、Faster R-CNN、Mask R-CNN、DeepSORT、ByteTrack、OC-SORT、SAM、CLIP、YOLO-World、GroundingDINO 等，有实际项目经验者优先。

熟练掌握 Python，熟悉 PyTorch、OpenCV、NumPy、Pandas 等常用算法开发工具，具备良好的模型训练、实验管理、代码实现和问题分析能力。

熟悉视觉算法完整研发流程，包括数据准备、标注规范、模型训练、参数调优、模型评估、误差分析、难例挖掘和版本迭代。

熟悉图像 / 视频数据处理方法，能够针对复杂场景中的低照度、强逆光、运动模糊、遮挡、小目标、视角变化、背景干扰等问题进行算法优化。

具备较强的模型效果评估能力，能够基于准确率、召回率、mAP、误报率、漏报率、时延、跨场景泛化能力等指标对模型进行系统分析和优化。

了解模型部署和推理优化基本流程，熟悉 ONNX、TensorRT、OpenVINO、TorchScript、模型量化、模型剪枝等相关技术者优先。

具备良好的工程化意识，能够将算法结果输出为稳定、清晰、可维护的结构化接口，支撑机器人系统、告警平台或业务系统调用。

具备较强的问题定位、学习能力和团队协作精神，能够与机器人算法、工程部署、后端平台、产品和现场交付团队协同推进项目落地。