Инженер компьютерного зрения

Что предстоит делать

<p>Мы ищем Computer Vision Engineer с сильным опытом в глубоком обучении и прикладных системах компьютерного зрения.<br>Роль предполагает работу над сложными задачами компьютерного зрения в реальных условиях.<br>Мы рассматриваем Middle и Senior инженеров, с адаптацией объема задач под опыт.<br><strong>Обязанности</strong></p><ul><li>Разрабатывать, обучать и оптимизировать модели глубокого обучения для:<br><ul><li>поиска изображений (image retrieval)</li><li>сопоставления изображений (обнаружение и сопоставление ключевых точек)</li><li>вспомогательных задач восприятия, поддерживающих основной пайплайн</li></ul></li><li>Оценивать модели с использованием количественных метрик, включая:<br><ul><li>качество поиска (mAP, Recall@K)</li><li>производительность сопоставления (precision/recall, repeatability)</li><li>сквозные метрики системы (точность, задержка, устойчивость)</li></ul></li><li>Оптимизировать модели для развертывания в production с использованием современных тулчейнов:<br><ul><li>ONNX / TensorRT / OpenVINO / ускорение на edge-устройствах, где применимо</li><li>методы сжатия моделей (квантование, прунинг, дистилляция)</li><li>оптимизация задержки, памяти и пропускной способности</li></ul></li><li>Работать с крупномасштабными наборами визуальных данных и представлениями на основе дескрипторов</li><li>Сотрудничать с инженерными командами для интеграции моделей в production-системы</li></ul><p><strong>Обязательные требования</strong></p><ul><li><nobr>2–4+</nobr> года опыта в Computer Vision / Deep Learning</li><li>Практический опыт работы с моделями обнаружения и сопоставления ключевых точек (например, SuperPoint, R2D2, DISK, LightGlue, SuperGlue)</li><li>Опыт работы с системами поиска изображений или метрического обучения</li><li>Глубокое понимание геометрических концепций компьютерного зрения и концепций, связанных с движением:<br><ul><li>обнаружение и описание ключевых точек</li><li>сопоставление изображений и геометрическая верификация (RANSAC, гомография, PnP)</li><li>методы оценки и уточнения позы (PnP, bundle adjustment, оптимизация графа поз)</li><li>оптический поток и покадровое отслеживание</li><li>векторный поиск / методы ANN для поиска дескрипторов</li></ul></li><li>Сильные навыки Python (PyTorch и стек научных вычислений)</li><li>Способность читать и понимать инференс-код на C++</li></ul><p><strong>Будет плюсом</strong></p><ul><li>Опыт работы с зашумленными или несовершенными наборами реальных данных</li><li>Методы самоконтролируемого или неконтролируемого обучения (контрастивное обучение, супервизия гомографией и т.д.)</li><li>Опыт оптимизации моделей для развертывания на edge-устройствах (квантование, прунинг, дистилляция)</li><li>Знакомство с FAISS или аналогичными системами векторного поиска</li><li>Опыт работы с библиотеками оптимизации для геометрических задач (bundle adjustment, уточнение позы)</li><li>Понимание ограничений реального времени (задержка, память, бюджеты CPU-инференса на ARM или маломощных x86-системах)</li></ul> <div> <a href="https://jobs.dou.ua/companies/nda-recruitment/vacancies/365430/#reply-btn-id">Откликнуться на вакансию</a> </div>