崗位職責(zé)：
1、基于視頻圖像識(shí)別技術(shù)研發(fā)，主要場(chǎng)景包括但不限于Reid、人臉識(shí)別、人臉人體屬性分析、活體檢測(cè)、3D視覺重建、目標(biāo)檢測(cè)、語(yǔ)義分割、視頻事件檢測(cè)、行為分析，負(fù)責(zé)算法模型的訓(xùn)練與調(diào)優(yōu)；
2、分析算法的瓶頸（如光照條件對(duì)算法的影響），并提出解決方案，推動(dòng)算法在實(shí)際場(chǎng)景的性能優(yōu)化與落地；
3、參與工程團(tuán)隊(duì)將人工智能算法落地，負(fù)責(zé)基層治理、企業(yè)服務(wù)、智慧城市領(lǐng)域視頻AI算法的核心技術(shù)研發(fā)工作；
4、負(fù)責(zé)計(jì)算機(jī)視覺AI算法在嵌入式平臺(tái)的移植、調(diào)試優(yōu)化和集成；負(fù)責(zé)嵌入式深度學(xué)習(xí)視覺AI算法模型的訓(xùn)練、壓縮、裁剪和優(yōu)化。
專業(yè)技能：
1、具有機(jī)器學(xué)習(xí)，深度學(xué)習(xí)，計(jì)算機(jī)視覺、圖像處理或自然語(yǔ)言領(lǐng)域?qū)I(yè)背景和研發(fā)工作經(jīng)驗(yàn)；
2、熟練使用TensorFlow/Caffe/MXNet/PyTorch中至少一種或多種深度學(xué)習(xí)框架；
3、深度理解AI算法實(shí)現(xiàn)過程數(shù)據(jù)收集、處理，模型訓(xùn)練等過程中的各類技巧；
4、了解CNN、LSTM、RNN等神經(jīng)網(wǎng)絡(luò)組件的原理；
5、具有獨(dú)立完成AI算法訓(xùn)練與優(yōu)化的能力；
6、面向嵌入式開發(fā)需要熟悉深度神經(jīng)網(wǎng)絡(luò)和嵌入式模型,如RBM、CNN、DBN、Sparsecoding、MobileNet等，熟悉ARM體系架構(gòu)，海思/nvidia/movidius相關(guān)平臺(tái)開發(fā)經(jīng)驗(yàn)者優(yōu)先。