Инженер по компьютерному зрению

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.