武汉·江夏区
职位详情
岗位职责
1.视频流处理与边缘端优化
•基于RK3588平台，采用C++/GStreamer/OpenCV实现多路实时视频流的采集、解码（H.264/H.265）、抽帧（动态策略）及预处理（去噪、增强），确保低延迟（≤100ms）和高稳定性。
•优化视频流传输与存储机制（本地+云端同步），设计合理的抽帧策略以协调带宽消耗与计算资源（如关键帧优先、自适应帧率调整）。
2.NPU模型部署与推理加速
•将PyTorch/ONNX模型在RK3588NPU上完成量化（INT8/FP16）、编译（RKNN工具链）及性能调优，确保关键任务推理耗时不超过30ms/帧。
•开发C++推理引擎，集成目标检测（YOLOv8）、图像分割（MaskR-CNN）等模型，支持多任务并行处理（如检测与分类同步执行）。
3.视频图像算法开发与训练
•主导视频图像核心算法研发，涵盖目标检测、多目标跟踪、行为识别、异常检测等方向，针对边缘设备特点优化精度与效率平衡（如提升小目标检出率、增强运动模糊鲁棒性）。
•设计视频时序建模方法（融合光流、使用3D卷积），解决帧间关联问题；制定数据标注标准（边界框、分割掩码、行为标签），构建高质量训练集（覆盖复杂场景中的噪声、遮挡等情况）。
•完成模型完整训练流程（基于PyTorch/TensorFlow）：数据加载、参数调优（学习率调度、损失函数设计）、效果验证（mAP、FPS、误报率）、模型导出（ONNX/PT）及格式转换，支持迁移学习与少量样本微调。
4.多模态模型开发与大语言模型微调
•负责大语言模型（LLaMA、ChatGLM、BERT）的微调与性能优化，应用于视频-文本对齐任务（如视频摘要生成、目标描述生成、视觉问答）。
•设计多模态特征融合方案（如CLIP、FLAVA架构），开发跨模态推理模块；探索轻量级LLM在RK3588边缘设备上的部署路径（量化、知识蒸馏），实现推理延迟≤500ms。
5.系统对接与功能扩展
•对接Flask+Vue管理后台，实现远程策略配置（模型更新、抽帧频率设置、启停指令下发）、设备状态监控（视频流健康度、资源占用情况）以及与中心算法平台的双向通信（MQTT/RESTful协议）。
•支持多模态结果推送（分析结果+文本描述输出），并适配国产操作系统（麒麟OS/OpenHarmony）。
任职要求
1.核心技术能力
•编程与系统基础：熟练掌握C++/Python，熟悉Linux下多线程编程、交叉编译环境、V4L2采集接口及H.264/H.265硬件编解码；具备RK3588平台全流程开发经验（NPU/CPU/GPU异构协同、低延迟传输优化）。
•视频图像算法能力：深入理解CNN、Transformer、3D卷积、光流法等核心技术；能熟练使用PyTorch/TensorFlow进行模型训练、调优与部署（含量化、剪枝、蒸馏）；掌握YOLO系列目标检测、U-Net图像分割等模型的改进与性能提升方法。
•多模态与大模型技术：熟悉LLM结构（Transformer、LLaMA）及其微调技术（LoRA、QLoRA）；掌握多模态对齐方法（如CLIP），有视频-文本联合训练或微调经验；了解边缘侧LLM部署框架（TensorRT-LLM、ONNXRuntime）。
2.项目经验
•具备3年以上视频图像算法研发经历，需提供完整项目案例（例如：“工业缺陷检测系统：mAP由82%提升至95%，边缘端推理速度从15FPS提升到25FPS”）；
•拥有复杂场景下的算法适配经验（如低光照、遮挡、视角变化大）或小样本学习、增量学习的实际应用案例；
•具备边缘-云协同开发经验（如本地初筛+云端精算）或参与过开源项目者优先考虑。
3.优先条件
•熟悉视频编码与智能算法协同优化策略（如H.265压缩结合关键帧解码优化）；
•具备Flask/Vue前后端开发能力或国产化系统（麒麟OS）移植经验；
•了解军工级或工业级开发规范（如加密存储、可靠性测试流程）。
1.视频流处理与边缘端优化
•基于RK3588平台，采用C++/GStreamer/OpenCV实现多路实时视频流的采集、解码（H.264/H.265）、抽帧（动态策略）及预处理（去噪、增强），确保低延迟（≤100ms）和高稳定性。
•优化视频流传输与存储机制（本地+云端同步），设计合理的抽帧策略以协调带宽消耗与计算资源（如关键帧优先、自适应帧率调整）。
2.NPU模型部署与推理加速
•将PyTorch/ONNX模型在RK3588NPU上完成量化（INT8/FP16）、编译（RKNN工具链）及性能调优，确保关键任务推理耗时不超过30ms/帧。
•开发C++推理引擎，集成目标检测（YOLOv8）、图像分割（MaskR-CNN）等模型，支持多任务并行处理（如检测与分类同步执行）。
3.视频图像算法开发与训练
•主导视频图像核心算法研发，涵盖目标检测、多目标跟踪、行为识别、异常检测等方向，针对边缘设备特点优化精度与效率平衡（如提升小目标检出率、增强运动模糊鲁棒性）。
•设计视频时序建模方法（融合光流、使用3D卷积），解决帧间关联问题；制定数据标注标准（边界框、分割掩码、行为标签），构建高质量训练集（覆盖复杂场景中的噪声、遮挡等情况）。
•完成模型完整训练流程（基于PyTorch/TensorFlow）：数据加载、参数调优（学习率调度、损失函数设计）、效果验证（mAP、FPS、误报率）、模型导出（ONNX/PT）及格式转换，支持迁移学习与少量样本微调。
4.多模态模型开发与大语言模型微调
•负责大语言模型（LLaMA、ChatGLM、BERT）的微调与性能优化，应用于视频-文本对齐任务（如视频摘要生成、目标描述生成、视觉问答）。
•设计多模态特征融合方案（如CLIP、FLAVA架构），开发跨模态推理模块；探索轻量级LLM在RK3588边缘设备上的部署路径（量化、知识蒸馏），实现推理延迟≤500ms。
5.系统对接与功能扩展
•对接Flask+Vue管理后台，实现远程策略配置（模型更新、抽帧频率设置、启停指令下发）、设备状态监控（视频流健康度、资源占用情况）以及与中心算法平台的双向通信（MQTT/RESTful协议）。
•支持多模态结果推送（分析结果+文本描述输出），并适配国产操作系统（麒麟OS/OpenHarmony）。
任职要求
1.核心技术能力
•编程与系统基础：熟练掌握C++/Python，熟悉Linux下多线程编程、交叉编译环境、V4L2采集接口及H.264/H.265硬件编解码；具备RK3588平台全流程开发经验（NPU/CPU/GPU异构协同、低延迟传输优化）。
•视频图像算法能力：深入理解CNN、Transformer、3D卷积、光流法等核心技术；能熟练使用PyTorch/TensorFlow进行模型训练、调优与部署（含量化、剪枝、蒸馏）；掌握YOLO系列目标检测、U-Net图像分割等模型的改进与性能提升方法。
•多模态与大模型技术：熟悉LLM结构（Transformer、LLaMA）及其微调技术（LoRA、QLoRA）；掌握多模态对齐方法（如CLIP），有视频-文本联合训练或微调经验；了解边缘侧LLM部署框架（TensorRT-LLM、ONNXRuntime）。
2.项目经验
•具备3年以上视频图像算法研发经历，需提供完整项目案例（例如：“工业缺陷检测系统：mAP由82%提升至95%，边缘端推理速度从15FPS提升到25FPS”）；
•拥有复杂场景下的算法适配经验（如低光照、遮挡、视角变化大）或小样本学习、增量学习的实际应用案例；
•具备边缘-云协同开发经验（如本地初筛+云端精算）或参与过开源项目者优先考虑。
3.优先条件
•熟悉视频编码与智能算法协同优化策略（如H.265压缩结合关键帧解码优化）；
•具备Flask/Vue前后端开发能力或国产化系统（麒麟OS）移植经验；
•了解军工级或工业级开发规范（如加密存储、可靠性测试流程）。
2026-06-24 12:49
IP属地：湖北武汉
职位福利
本科3-5年机器学习深度学习目标检测大模型算法多模态算法传统图
奇策(武汉)数智科技有限公司
B轮 · 20-99人
鱼泡安全保障
如遇到办证收费、刷单、传销、诱导买车等违规行为，请立即向鱼泡直聘投诉举报投诉举报 >
附近适合您的职位
Python图像算法工程师
1.5-2.5万元/月
图像算法3-5年本科机器学习深度学习目标检测大模型算法多模态算法传统图像算法图像处理库（OpenCV等）图像生成人像算法Python
武汉 江夏区
机器视觉算法实习生
6000-11000元/月
兼职图像算法经验不限大专目标检测多模态算法图像生成工业/缺陷检测目标跟踪C/C++Python图像处理库（OpenCV等）深度学习机器学习大模型算法
武汉 江夏区 光谷
李先生 · 武汉小弦科技有限责任公司5日内活跃
CV算法研发工程师
1.5-2.5万元/月
图像算法算法工程师3-5年本科发表算法相关优秀论文C/C++机器学习目标检测大模型算法多模态算法图像处理库（OpenCV等）人像算法优秀开源项目经历Python模型加速/性能优化
武汉 江夏区
收藏职位
