主分类：计算机视觉与图像感知算法研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "算法工程师（影像/轨迹挖掘方向）-地理位置中台",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "上海",
"work_mode": "未披露",AI生成
"job_category": "算法"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责基于车载图像/视频数据，研发高精度的路牌/交通标志检测、跟踪与分类算法；利用最新视觉大模型（VLM）及场景文本识别（OCR）技术，实现复杂路牌的信息提取与版面分析；\n2、结合BEV（鸟瞰图）感知架构与多视图几何技术，将2D图像中的路牌/交通标志精准投影至3D空间，实现目标的高精度绝对坐标解算与3D矢量化表达；\n3、研发关联算法，解析路牌内容与当前道路、车道的拓扑指向关系（如悬空路牌对应特定车道）；\n4、构建端到端的“路牌/交通标志”自动化标注产线与变化检测（Change Detection）算法。",
"requirements_text": "1、本科及以上学历，计算机、人工智能、自动化、电子工程等相关专业；\n2、精通CNN、Transformer、ViT等主流深度学习架构；\n3、熟悉自然场景文本检测与识别（STR/OCR）算法；\n4、精通Python/C++，具备优秀的算法实现与优化能力；\n5、熟练使用PyTorch，熟悉TensorRT/ONNX等模型量化与加速工具。\n\n加分项\n1、深入理解并实践过BEV感知（如BEVFormer等）、端到端矢量化建图（如MapTR等）算法；\n2、有Vision-Language Model（VLM）、SAM等视觉大模型在实际业务中微调和落地经验；\n3、有地图自动化产线研发经验，或参与过“数据闭环/自动标注”系统搭建。",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"深度学习",
"大语言模型"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7641160698672400693/detail"
}
]
},
"posting": {
"posting_id": "7641160698672400693",
"post_date": "2026-05-18",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7641160698672400693/detail"
},
"fulltext": "算法工程师（影像/轨迹挖掘方向）-地理位置中台\n职位描述\n1、负责基于车载图像/视频数据，研发高精度的路牌/交通标志检测、跟踪与分类算法；利用最新视觉大模型（VLM）及场景文本识别（OCR）技术，实现复杂路牌的信息提取与版面分析；\n2、结合BEV（鸟瞰图）感知架构与多视图几何技术，将2D图像中的路牌/交通标志精准投影至3D空间，实现目标的高精度绝对坐标解算与3D矢量化表达；\n3、研发关联算法，解析路牌内容与当前道路、车道的拓扑指向关系（如悬空路牌对应特定车道）；\n4、构建端到端的“路牌/交通标志”自动化标注产线与变化检测（Change Detection）算法。\n\n职位要求\n1、本科及以上学历，计算机、人工智能、自动化、电子工程等相关专业；\n2、精通CNN、Transformer、ViT等主流深度学习架构；\n3、熟悉自然场景文本检测与识别（STR/OCR）算法；\n4、精通Python/C++，具备优秀的算法实现与优化能力；\n5、熟练使用PyTorch，熟悉TensorRT/ONNX等模型量化与加速工具。\n\n加分项\n1、深入理解并实践过BEV感知（如BEVFormer等）、端到端矢量化建图（如MapTR等）算法；\n2、有Vision-Language Model（VLM）、SAM等视觉大模型在实际业务中微调和落地经验；\n3、有地图自动化产线研发经验，或参与过“数据闭环/自动标注”系统搭建。\n1、负责基于车载图像/视频数据，研发高精度的路牌/交通标志检测、跟踪与分类算法；利用最新视觉大模型（VLM）及场景文本识别（OCR）技术，实现复杂路牌的信息提取与版面分析；\n2、结合BEV（鸟瞰图）感知架构与多视图几何技术，将2D图像中的路牌/交通标志精准投影至3D空间，实现目标的高精度绝对坐标解算与3D矢量化表达；\n3、研发关联算法，解析路牌内容与当前道路、车道的拓扑指向关系（如悬空路牌对应特定车道）；\n4、构建端到端的“路牌/交通标志”自动化标注产线与变化检测（Change Detection）算法。\n1、本科及以上学历，计算机、人工智能、自动化、电子工程等相关专业；\n2、精通CNN、Transformer、ViT等主流深度学习架构；\n3、熟悉自然场景文本检测与识别（STR/OCR）算法；\n4、精通Python/C++，具备优秀的算法实现与优化能力；\n5、熟练使用PyTorch，熟悉TensorRT/ONNX等模型量化与加速工具。\n\n加分项\n1、深入理解并实践过BEV感知（如BEVFormer等）、端到端矢量化建图（如MapTR等）算法；\n2、有Vision-Language Model（VLM）、SAM等视觉大模型在实际业务中微调和落地经验；\n3、有地图自动化产线研发经验，或参与过“数据闭环/自动标注”系统搭建。",
"standard_classification": {
"std_category_code": "T034",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}