Мы разрабатываем систему видеоаналитики на базе камер наблюдения. Ищем ML Engineer / Computer Vision Engineer, который будет заниматься детекцией, классификацией, распознаванием и трекингом объектов на видеопотоках.
Основные задачи:
- разработка и обучение моделей детекции объектов на изображениях и видео;
- настройка распознавания различных типов объектов и событий;
- разработка решений для детекции и распознавания автомобильных номеров;
- работа с видеопотоками с камер наблюдения;
- подготовка, разметка и обработка датасетов;
- дообучение и fine-tuning существующих моделей под наши задачи;
- оценка качества моделей и подбор оптимальных метрик;
- оптимизация моделей для работы в режиме реального времени;
- снижение количества false positive / false negative срабатываний;
- реализация object tracking между кадрами;
- интеграция ML-моделей в production-сервисы;
- оптимизация inference под GPU и ограниченные вычислительные ресурсы.
Что ожидаем:
- коммерческий опыт в Machine Learning / Computer Vision;
- уверенное знание Python;
- опыт работы с PyTorch;
- практический опыт с моделями object detection;
- понимание архитектур YOLO, Faster R-CNN, SSD или аналогичных;
- опыт работы с OpenCV;
- понимание принципов object tracking;
- опыт работы с изображениями и видеопотоками;
- знание основных метрик Computer Vision: Precision, Recall, F1, IoU, mAP;
- опыт подготовки и аугментации датасетов;
- Git, Docker.
Будет большим плюсом:
- опыт работы с YOLOv8 / YOLO11 или другими современными YOLO-моделями;
- опыт построения ANPR / LPR-систем для распознавания автомобильных номеров;
- опыт работы с OCR: PaddleOCR, EasyOCR, Tesseract или аналогичными решениями;
- ByteTrack, DeepSORT, BoT-SORT;
- ONNX, TensorRT;
- NVIDIA CUDA;
- оптимизация моделей под real-time inference;
- опыт работы с RTSP-потоками;
- FFmpeg / GStreamer;
- опыт работы с несколькими камерами одновременно;
- опыт edge inference;
- работа с NVIDIA Jetson или другими edge-устройствами;
- опыт построения систем видеоаналитики в production. Примеры задач проекта:
- обнаружение людей и транспорта;
- детекция автомобилей в видеопотоке;
- обнаружение автомобильного номера в кадре;
- распознавание символов государственного регистрационного номера;
- привязка распознанного номера к конкретному автомобилю;
- отслеживание автомобиля между кадрами;
- сохранение времени, камеры и события, связанного с обнаруженным номером;
- определение различных типов объектов в кадре;
- отслеживание объектов между кадрами;
- обнаружение появления или исчезновения объекта;
- контроль нахождения объектов в заданных зонах;
- подсчёт объектов;
- определение пересечения виртуальных линий;
- формирование событий и уведомлений на основе результатов анализа видеопотока.
Стек:Python, PyTorch, YOLO, OpenCV, ONNX, TensorRT, Docker, CUDA, FFmpeg / GStreamer, RTSP.
Ищем человека, которому интересно не просто обучать модели на готовых датасетах, а создавать полноценную систему компьютерного зрения, работающую с реальными камерами и видеопотоками в production.
Условия:
- формат работы: гибридный;
- занятость: полная;
- уровень заработной платы обсуждается индивидуально и определяется по результатам собеседования, с учётом опыта, технического уровня и компетенций кандидата.
