算法实习生

专业要求:

计算机、人工智能、自动化、软件工程、电子工程、机器人等相关专业

各算法岗岗位要求：

【人脸识别】有人脸识别相关的研究经验，在人脸识别相关竞赛中取得过比较好的成绩，工程能力强，对大规模分布式训练有深入的了解，或发表过相关学术论文。

【行人ReID】要求有相关研究背景，熟悉PCB、MGN等经典ReID工作，在ReID相关竞赛中取得过比较好的成绩，工程能力强，或发表过相关学术论文。

【人体姿态估计】对主流的Top down和Bottom up的人体姿态Human pose.估计算法有深入的了解，有具体研发经验，在相关数据集或比赛中取得过领先的成绩。

【目标检测】对主流目标检测算法非常熟悉，如Faster-RCNN, Mask-RCNN, Cascade RCNN,SSD, Deformable Conv等，在voc/coco等数据集上取得过较好的成绩，或发表过学术论文。

【异常检测】有通用异常检测的研究经验，对 Isolation Forest、Feature Bagging和Auto-Encoder等主流异常检测方法有深入研究，在相关数据集或比赛中取得过较好的成绩。

【3D视觉】有三维视觉相关知识和基础，对于与环境几何建模、三维物体识别、三维语义分割、点云处理等方面有深入研究和实践经验，能够将理论知识运动到实际工程问题中。

【SLAM】良好的编程能力， C/C++或 Python，掌握至少一种经典SLAM框架，详细阅读过源码，掌握背后的理论知识；熟悉使用常见的图优化工具，GTSAM、ceres、g2o等。熟悉语义最新语义slam框架和利用深度学习方法处理点云经验者优先。

【机器人控制】 熟练掌握工业机器人基础框架和知识，如DH参数，IK，FK，四元数等；熟悉常见工业机器人轨迹规划算法，至少掌握一种运动规划算法；编程和算法基本功扎实，熟练掌握C++，以及至少一门脚本语言如Python；熟悉ROS系统，可熟练使用仿真软件者如gazebo等优先。

【单目深度估计】负责深度估计领域落地的研究工作，参与深度估计算法方面的前沿探索，参与推动单目监控场景下进行相关优化工作。

【多模态】负责多模态通用AI大模型任务，包括研究图文音多模态预训练核心算法；参与多模态下游任务的平台建设，重点多模态检索，视觉描述，视觉问答，图像生成，视频生成，语音生成等多模态理解与生成任务，并应用于实际场景。

【大规模分布训练】负责对大规模cv/nlp/语音模型及稀疏模型的训练进行性能优化，改善模型训练效率，充分挖掘硬件特性，紧跟业内前沿，持续优化框架；熟悉一个或多个深度学习框架，熟悉分布式系统原理，数据计算机网络。

【3D检测】负责3D计算机视觉领域落地的研究工作，包括3D目标检测、跟踪等，参与3D目标检测方面的前沿探索。

【动作识别】负责基于视频流和Skeleton-Based 动作识别；要求至少了解一种常用的动作识别算法，熟悉CNN，GCN网络。

【3D姿态估计】负责单目、多目人体姿态估计，并应用于实际场景。要求具备扎实三维重建基础，具有一定数学矩阵计算公式推导能力，熟悉一个或多个深度学习框架，有一定模型量化部署经验。

【3D 人体Mesh】负责单目/多目/rgbd人体三维重建方向的研究与落地工作。熟悉smpl，star等人体数字化模型，具备扎实的三维视觉的知识基础；熟练使用pytorch，TensorFlow等深度学习框架，具备扎实的机器学习基础；在3维人体重建方向有顶会文章优先；有神经渲染相关工作经验加分；对立体匹配等点云生成与处理技术有一定的了解加分。