Инженер по компьютерному зрению (Computer Vision Engineer)

Обязанности: Разработка и интеграция алгоритмов компьютерного и машинного зрения для систем самонаведения: детекция, трекинг, классификация объектов на видеопотоке. Разработать и внедрить алгоритм трекинга (сопровождения) цели с видеопотока, устойчивый к вибрациям, временной потере объекта и работе в условиях однородного фона (одинаковые цвета/текстуры). Анализ и обработка данных с различных типов сенсоров и датчиков (оптических, инфракрасных, радиолокационных, лазерных и др.) для повышения надёжности и точности трекинга. Построение, оптимизация и доводка CV-пайплайнов: выбор методов детекции и трекинга, настройка метрик качества (precision/recall, MOTA, IDF1) и их улучшение на реальных данных. Использование RKNN-Toolkit для конвертации, квантизации и оптимизации нейросетевых моделей (ONNX, TensorFlow, PyTorch → RKNN) для последующего запуска на NPU встроенных систем (без погружения в низкоуровневую отладку самого железа). Работа с нейросетевыми архитектурами: выбор, дообучение, облегчение (pruning, distillation) и конвертация моделей для достижения требуемой скорости и точности. Разработка и развертывание стендов для тестирования алгоритмов, реализация имитации движения цели и различных сценариев работы (потеря видимости, помехи, засветка, однородный фон). Проведение испытаний алгоритмов на реальных данных: обработка записанных видеопотоков, анализ ошибок, итеративная доработка методов. Взаимодействие с кросс-функциональными командами: инженерами по embedded, системными архитекторами, конструкторами для согласования интерфейсов и требований к алгоритмам. Подготовка технической документации, отчётов по результатам разработки и испытаний, визуализация работы алгоритмов. Требования: Высшее техническое образование (информатика, прикладная математика, компьютерное зрение, оптика, робототехника или смежные направления). Глубокие знания в области компьютерного зрения: методы обработки изображений (фильтрация, сегментация, выделение признаков), трекинг (KCF, MOSSE, CSRT, DeepSort, оптический поток), детекция (YOLO, SSD, Faster R-CNN). Опыт разработки и оптимизации CV-пайплайнов под реальные условия: работа с шумными изображениями, вибрацией, частичными перекрытиями и временной потерей объекта. Опыт программирования на Python и C++: уверенное владение OpenCV, NumPy, библиотеками для работы с видео и изображениями. Опыт работы с нейросетевыми фреймворками: TensorFlow, PyTorch, Keras — обучение, дообучение, оценка качества моделей. Практический опыт с RKNN-Toolkit: конвертация моделей из ONNX/TF/PyTorch в RKNN, квантизация (INT8/FP16), профилирование скорости инференса без необходимости низкоуровневой отладки. Понимание основ цифровой обработки сигналов: методы фильтрации, подавления шумов, интерполяции, сглаживания траекторий. Опыт работы с реальными видео-данными, умение обрабатывать большие объёмы данных и настраивать пайплайны для пакетной обработки. Опыт развертывания стендов тестирования: написание скриптов для имитации движения цели, генерации синтетических данных, воспроизведения записанных сценариев. Опыт работы в Linux, уверенное владение Git, навыки написания чистого и документированного кода. Будет плюсом: Опыт разработки или интеграции алгоритмов для головок самонаведения (ГСН) или систем слежения за движущимися объектами. Знание современных подходов к трекингу: SiamRPN, TransT, MixFormer, OTB-бенчмарки и методы re-identification. Опыт решения задачи трекинга на однородном фоне и при временной потере объекта (методы предсказания движения, экстраполяция). Опыт работы с многокамерными системами или стереозрением. Наличие проектов на GitHub или научных публикаций по теме компьютерного зрения и трекинга. Знание методов аугментации данных, синтеза данных для улучшения обобщающей способности моделей. Условия: Официальное трудоустройство согласно ТК РФ; ​​​​​Конкурентоспособная заработная плата (обсуждается индивидуально с успешным кандидатом); Комфортный офис и современное рабочее место; Работа в компании-резиденте "Сколково"; Дружный коллектив и адекватное руководство.