计算机视觉算法实习生
招聘时间
即日起 至 2026-12-11
招聘单位
沃菲尔
所在地区
上海
工作地点
上海市/上海/浦东新区 张江微电子港6号楼
学历要求
不限
实习时长
每周5天，每天3小时
职责描述
研究方向：端侧 AI、多模态视频理解与行为识别
岗位介绍：
我们正在研发面向宠物寄养与看护场景的智能观察系统，通过板端视觉感知、声音分析与本地部署的开源多模态模型，实现犬只姿态、活动及日常行为识别，形成可追溯的事件记录与照护提示。
岗位职责：
围绕现有系统，参与以下研发工作：
视觉感知算法研发与优化
参与目标检测、关键点检测、姿态估计等算法的训练、评估与优化，分析遮挡、小目标、低照度及类别混淆等场景中的识别问题，提升模型的准确性与稳定性。
端侧模型部署与性能分析
参与视觉模型在 瑞芯微RV1126B 等嵌入式 Linux 平台上的转换、量化与推理部署，维护相关 C++ 推理及前后处理代码，开展精度一致性、推理延迟、内存占用和设备资源消耗的对比测试。
视频行为识别与时序分析
结合连续画面、声音分析结果及历史上下文，参与进食、饮水、休息、走动等行为识别，优化事件起止时间、持续状态和跨窗口一致性。
本地开源多模态模型应用与推理优化
在本地 GPU 环境中，参与开源视觉语言模型的视频理解应用，优化视频输入、提示词、上下文组织、结构化输出及调用调度，兼顾识别效果、响应延迟和计算资源消耗。
数据建设与算法评测
参与数据整理、标注规范制定、失败样本分析及评测脚本开发，合理划分训练、验证和测试数据。同时评估误报、漏报与正确行为召回，保证实验结果可复现、可追溯。
算法工程化与协同开发
参与算法模块的代码维护、接口联调、回归测试和技术文档编写，协助完成候选方案验证、版本交付及问题排查。
任职要求：
本科及以上在读，计算机、人工智能、电子信息、自动化、数学等相关专业优先。
熟悉 Python，使用过 PyTorch、OpenCV 等工具，具备模型训练、调试和效果评估的实践经验。
具备 C/C++ 编程基础，能够阅读和修改现有工程代码，熟悉 Linux 基本操作及 Git 协作流程。
掌握计算机视觉与深度学习基础知识，在目标检测、姿态估计、目标跟踪或视频理解等方向有项目实践。
理解准确率、精确率、召回率等常用评测指标，了解数据划分、过拟合与泛化问题，能够根据实验结果分析模型表现。
具备良好的学习、问题分析和沟通能力，能够规范记录实验条件、验证过程与结论，稳定参与项目迭代。
优先条件：
有智能摄像头、机器人感知、视频分析或边缘 AI 相关项目经验。
使用过 ONNX、RKNN、TensorRT、ncnn 等模型转换或推理工具，了解量化、蒸馏及模型轻量化方法。
有开源多模态模型本地部署、视频理解、结构化输出或推理优化经验，熟悉 vLLM、Transformers 等工具。
熟悉 FFmpeg、GStreamer、视频抽帧或音视频时间对齐。
有声音事件检测、多模态融合或时序行为识别经验。
岗位介绍：
我们正在研发面向宠物寄养与看护场景的智能观察系统，通过板端视觉感知、声音分析与本地部署的开源多模态模型，实现犬只姿态、活动及日常行为识别，形成可追溯的事件记录与照护提示。
岗位职责：
围绕现有系统，参与以下研发工作：
视觉感知算法研发与优化
参与目标检测、关键点检测、姿态估计等算法的训练、评估与优化，分析遮挡、小目标、低照度及类别混淆等场景中的识别问题，提升模型的准确性与稳定性。
端侧模型部署与性能分析
参与视觉模型在 瑞芯微RV1126B 等嵌入式 Linux 平台上的转换、量化与推理部署，维护相关 C++ 推理及前后处理代码，开展精度一致性、推理延迟、内存占用和设备资源消耗的对比测试。
视频行为识别与时序分析
结合连续画面、声音分析结果及历史上下文，参与进食、饮水、休息、走动等行为识别，优化事件起止时间、持续状态和跨窗口一致性。
本地开源多模态模型应用与推理优化
在本地 GPU 环境中，参与开源视觉语言模型的视频理解应用，优化视频输入、提示词、上下文组织、结构化输出及调用调度，兼顾识别效果、响应延迟和计算资源消耗。
数据建设与算法评测
参与数据整理、标注规范制定、失败样本分析及评测脚本开发，合理划分训练、验证和测试数据。同时评估误报、漏报与正确行为召回，保证实验结果可复现、可追溯。
算法工程化与协同开发
参与算法模块的代码维护、接口联调、回归测试和技术文档编写，协助完成候选方案验证、版本交付及问题排查。
任职要求：
本科及以上在读，计算机、人工智能、电子信息、自动化、数学等相关专业优先。
熟悉 Python，使用过 PyTorch、OpenCV 等工具，具备模型训练、调试和效果评估的实践经验。
具备 C/C++ 编程基础，能够阅读和修改现有工程代码，熟悉 Linux 基本操作及 Git 协作流程。
掌握计算机视觉与深度学习基础知识，在目标检测、姿态估计、目标跟踪或视频理解等方向有项目实践。
理解准确率、精确率、召回率等常用评测指标，了解数据划分、过拟合与泛化问题，能够根据实验结果分析模型表现。
具备良好的学习、问题分析和沟通能力，能够规范记录实验条件、验证过程与结论，稳定参与项目迭代。
优先条件：
有智能摄像头、机器人感知、视频分析或边缘 AI 相关项目经验。
使用过 ONNX、RKNN、TensorRT、ncnn 等模型转换或推理工具，了解量化、蒸馏及模型轻量化方法。
有开源多模态模型本地部署、视频理解、结构化输出或推理优化经验，熟悉 vLLM、Transformers 等工具。
熟悉 FFmpeg、GStreamer、视频抽帧或音视频时间对齐。
有声音事件检测、多模态融合或时序行为识别经验。
