AI 图像视觉算法工程师（端侧部署方向）
招聘时间
即日起 至 2026-10-31
招聘单位
深圳科创学院
所在地区
深圳
工作地点
创智云城C1
学历要求
不限
实习时长
每周4天，每天3小时
职责描述
【岗位职责】
1.算法调研与复现：针对超声图像的散斑噪声（Speckle Noise）与低对比度问题，调研学术界最新的图像增强与去噪算法，并在 PyTorch 框架下进行代码复现与效果评估。
数据集构建与清洗：协助处理实测的超声原始数据，进行数据清洗、格式转换与标注，构建用于模型训练的高质量超声图像数据集。
2.模型轻量化实验：在高级工程师指导下，参与深度学习模型的轻量化实验（如知识蒸馏、INT8 量化），测试模型在边缘计算板卡（如 Jetson Nano/Raspberry Pi AI Kit）上的推理速度与精度损耗。
3.传统 CV 算法辅助：使用 OpenCV 编写传统的图像处理脚本（如滤波、边缘检测、形态学操作），作为 AI 算法的 Baseline 或预处理模块。
【任职要求】
教育背景：计算机、电子、自动化等相关专业，在读硕士研究生或优秀的本科高年级学生。
专业技能：熟练使用 Python 及至少一种深度学习框架（PyTorch 优先）；熟悉 OpenCV 等常用图像处理库。
理论基础：扎实的数学基础，了解卷积神经网络（CNN）的基本原理，对图像增强、去噪或目标检测有一定了解。
项目经验：在计算机视觉领域有相关实验室课题经验，或在 Kaggle/天池等算法竞赛中取得过较好名次者优先。
工作时间：每周可实习 4 天以上，连续实习 3 个月以上者优先。
我们提供：
•前沿的硬件架构：你将接触到“FPGA + AI 芯片”这种极具挑战性的异构计算平台，解决真正的硬核工程问题。
•稀缺的数据资源：声呐图像处理是一个高壁垒的细分领域，你将积累在通用 CV 领域难以获得的特殊模态图像处理经验。
•开放的极客文化：扁平化管理，结果导向，提供充足的算力资源与测试设备支持。
1.算法调研与复现：针对超声图像的散斑噪声（Speckle Noise）与低对比度问题，调研学术界最新的图像增强与去噪算法，并在 PyTorch 框架下进行代码复现与效果评估。
数据集构建与清洗：协助处理实测的超声原始数据，进行数据清洗、格式转换与标注，构建用于模型训练的高质量超声图像数据集。
2.模型轻量化实验：在高级工程师指导下，参与深度学习模型的轻量化实验（如知识蒸馏、INT8 量化），测试模型在边缘计算板卡（如 Jetson Nano/Raspberry Pi AI Kit）上的推理速度与精度损耗。
3.传统 CV 算法辅助：使用 OpenCV 编写传统的图像处理脚本（如滤波、边缘检测、形态学操作），作为 AI 算法的 Baseline 或预处理模块。
【任职要求】
教育背景：计算机、电子、自动化等相关专业，在读硕士研究生或优秀的本科高年级学生。
专业技能：熟练使用 Python 及至少一种深度学习框架（PyTorch 优先）；熟悉 OpenCV 等常用图像处理库。
理论基础：扎实的数学基础，了解卷积神经网络（CNN）的基本原理，对图像增强、去噪或目标检测有一定了解。
项目经验：在计算机视觉领域有相关实验室课题经验，或在 Kaggle/天池等算法竞赛中取得过较好名次者优先。
工作时间：每周可实习 4 天以上，连续实习 3 个月以上者优先。
我们提供：
•前沿的硬件架构：你将接触到“FPGA + AI 芯片”这种极具挑战性的异构计算平台，解决真正的硬核工程问题。
•稀缺的数据资源：声呐图像处理是一个高壁垒的细分领域，你将积累在通用 CV 领域难以获得的特殊模态图像处理经验。
•开放的极客文化：扁平化管理，结果导向，提供充足的算力资源与测试设备支持。
