视觉算法工程师（检测与跟踪方向）

岗位职责
1. 负责目标检测、实例分割和多目标跟踪算法的研发与落地，解决固定机位多路视频下的小目标、遮挡、光照变化和相似目标区分等难点。
2. 负责多目标跟踪与轨迹分析：结合检测、重识别（ReID）和运动模型实现稳定跟踪，基于轨迹做行为与事件识别、运动指标计算。
3. 负责多摄像头标定、坐标映射和跨摄像头目标关联，把画面中的位置换算为真实场景坐标。
4. 引入视觉基础模型和开放词汇检测、分割模型，做自动预标注、小样本检测和新目标快速适配；探索用多模态大模型对检测跟踪结果做二次核验。
5. 负责数据闭环：制定标注规范，构建训练集和评测集，挖掘难例并持续迭代；按场景建立分层评测（mAP、召回率、精确率、MOTA、IDF1、HOTA 等）。
6. 负责模型轻量化与部署（量化、剪枝、蒸馏），满足多路视频实时处理要求；后续支持工业视觉检测等场景。

加分项
1. 有安防、交通、仓储、零售、工厂等固定机位多路视频分析项目经验，或跨摄像头跟踪经验。
2. 有机器人、扫地机等移动目标的检测跟踪和轨迹分析经验。
3. 有 Jetson、RK3588 等边缘设备部署经验。
4. 有工业视觉缺陷检测或 OCR 项目经验。
5. 在 CVPR、ICCV、ECCV 等发表过检测或跟踪方向论文，或在 MOT、COCO 等榜单和竞赛中取得名次。

岗位要求
1. 计算机、人工智能、电子信息、自动化等相关专业，本科及以上学历（硕士优先），3 年以上计算机视觉算法经验，其中 2 年以上目标检测或多目标跟踪方向。
2. 熟练掌握 Python 和 PyTorch，熟悉 C++；深度学习和计算机视觉基础扎实。
3. 精通主流实时检测与跟踪算法：YOLO 系列（如 YOLO11、YOLO26）、RT-DETR、D-FINE 等检测模型，ByteTrack、BoT-SORT、OC-SORT 等跟踪算法和 ReID 方法，能按场景改进网络结构、损失函数和关联策略。
4. 了解视觉基础模型和开放词汇检测、分割的最新进展，如 Grounding DINO、YOLO-World、YOLOE、SAM 2、SAM 3、DINOv3，以及多模态大模型（如 Qwen-VL）在视觉核验中的用法。
5. 熟悉 OpenCV、相机标定和多视图几何；熟悉 TensorRT、ONNX 等部署工具，了解 DeepStream 多路视频推理。
6. 有完整的检测跟踪项目落地经验，能独立完成数据构建、训练调优、评测到上线，能讲清上线后指标是怎么提上来的（面试将按真实项目复盘）。