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": "【精英实习】视觉感知算法工程师",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "伏羲机器人",
"location": "杭州市",
"work_mode": "未披露",AI生成
"job_category": "人工智能"AI生成
},
"company": {
"company_name": "网易",
"company_industry": "互联网 / 游戏 / 数字内容",
"company_size": "10000人以上",
"company_website": "netease.com",
"company_description": "网易提供互联网和游戏服务，并通过有道、网易云音乐、网易严选等业务提供学习、音乐及消费服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 0,
"degree": "本科",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "一、视觉感知算法研发\n1、 参与无人挖掘机/装载机项目中2D/3D目标检测、语义分割等算法的研发与优化，覆盖人员、车辆、障碍物、料堆等目标识别；\n2、协助6D位姿估计算法开发，支持作业目标物的精准感知；\n3、学习多模态感知融合方法（相机+毫米波雷达），参与恶劣工况（粉尘、强光、遮挡）下的感知方案研究。\n\n二、定位建图与场景重建\n1、参与视觉SLAM/激光SLAM算法的开发与调试，支持机器人实时定位与建图；\n2、协助三维场景重建（地形重建、料堆体积估算）相关算法开发；\n3、学习多传感器（IMU、GNSS-RTK、相机等）融合定位方案。\n\n三、多传感器标定与系统集成\n1、参与多传感器（相机、IMU等）外参/内参标定工具的开发；\n2、配合硬件、控制团队完成感知模块的联调联试。\n\n四、模型优化与部署\n1、参与感知算法的模型轻量化与加速优化（量化、剪枝、TensorRT/ONNX等）；\n2、协助搭建模型训练-评估-部署的标准化流水线；\n3、学习嵌入式平台（NVIDIA Jetson等）上的模型部署。",
"requirements_text": "一、基础要求\n1、硕士在读及以上，计算机科学、电子信息、自动化、机器人学等相关专业；\n2、扎实的计算机视觉与深度学习理论基础，熟悉CNN/Transformer等主流网络架构，了解BEV感知、Foundation Model等前沿方向；\n3、熟练掌握Python，熟悉C/C++；了解ROS1/ROS2；\n4、熟悉PyTorch，具备模型训练、数据增强、损失调优等基础经验。\n\n二、算法经验（至少满足一项）\n1、目标检测（YOLO/DETR等）、语义/实例分割（Mask R-CNN、SegFormer等）或目标跟踪（ByteTrack、DeepSORT等）的项目经验；\n2、视觉SLAM（ORB-SLAM、VINS-Mono/Fusion等）项目开发经验；\n3、点云处理（PCL/Open3D）、三维重建或地形建模相关经验。\n\n三、工程与加分项\n1、熟悉Git；\n2、有模型推理优化（TensorRT/ONNX/OpenVINO）或嵌入式部署经验者优先；\n3、有机器人、自动驾驶或工程机械领域项目经验者优先；\n4、 有高水平论文发表（CVPR/ICCV/ECCV/ICRA/IROS/RA-L等）者优先；\n5、有矿山、建筑等非结构化户外场景感知经验者优先。\n",
"skills": [AI生成
"Python",
"C++",
"PyTorch",
"深度学习",
"计算机视觉",
"模型训练",
"嵌入式",
"建模"
],
"preferred_qualifications": "三、工程与加分项；2、有模型推理优化（TensorRT/ONNX/OpenVINO）或嵌入式部署经验者优先；3、有机器人、自动驾驶或工程机械领域项目经验者优先；4、 有高水平论文发表（CVPR/ICCV/ECCV/ICRA/IROS/RA-L等）者优先；5、有矿山、建筑等非结构化户外场景感知经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://hr.163.com/job-detail.html?id=77977&lang=zh"
}
]
},
"posting": {
"posting_id": "77977",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://hr.163.com/job-detail.html?id=77977&lang=zh"
},
"fulltext": "【精英实习】视觉感知算法工程师\n职位描述\n一、视觉感知算法研发\n1、 参与无人挖掘机/装载机项目中2D/3D目标检测、语义分割等算法的研发与优化，覆盖人员、车辆、障碍物、料堆等目标识别；\n2、协助6D位姿估计算法开发，支持作业目标物的精准感知；\n3、学习多模态感知融合方法（相机+毫米波雷达），参与恶劣工况（粉尘、强光、遮挡）下的感知方案研究。\n\n二、定位建图与场景重建\n1、参与视觉SLAM/激光SLAM算法的开发与调试，支持机器人实时定位与建图；\n2、协助三维场景重建（地形重建、料堆体积估算）相关算法开发；\n3、学习多传感器（IMU、GNSS-RTK、相机等）融合定位方案。\n\n三、多传感器标定与系统集成\n1、参与多传感器（相机、IMU等）外参/内参标定工具的开发；\n2、配合硬件、控制团队完成感知模块的联调联试。\n\n四、模型优化与部署\n1、参与感知算法的模型轻量化与加速优化（量化、剪枝、TensorRT/ONNX等）；\n2、协助搭建模型训练-评估-部署的标准化流水线；\n3、学习嵌入式平台（NVIDIA Jetson等）上的模型部署。\n\n职位要求\n一、基础要求\n1、硕士在读及以上，计算机科学、电子信息、自动化、机器人学等相关专业；\n2、扎实的计算机视觉与深度学习理论基础，熟悉CNN/Transformer等主流网络架构，了解BEV感知、Foundation Model等前沿方向；\n3、熟练掌握Python，熟悉C/C++；了解ROS1/ROS2；\n4、熟悉PyTorch，具备模型训练、数据增强、损失调优等基础经验。\n\n二、算法经验（至少满足一项）\n1、目标检测（YOLO/DETR等）、语义/实例分割（Mask R-CNN、SegFormer等）或目标跟踪（ByteTrack、DeepSORT等）的项目经验；\n2、视觉SLAM（ORB-SLAM、VINS-Mono/Fusion等）项目开发经验；\n3、点云处理（PCL/Open3D）、三维重建或地形建模相关经验。\n\n三、工程与加分项\n1、熟悉Git；\n2、有模型推理优化（TensorRT/ONNX/OpenVINO）或嵌入式部署经验者优先；\n3、有机器人、自动驾驶或工程机械领域项目经验者优先；\n4、 有高水平论文发表（CVPR/ICCV/ECCV/ICRA/IROS/RA-L等）者优先；\n5、有矿山、建筑等非结构化户外场景感知经验者优先。\n\n一、视觉感知算法研发\n1、 参与无人挖掘机/装载机项目中2D/3D目标检测、语义分割等算法的研发与优化，覆盖人员、车辆、障碍物、料堆等目标识别；\n2、协助6D位姿估计算法开发，支持作业目标物的精准感知；\n3、学习多模态感知融合方法（相机+毫米波雷达），参与恶劣工况（粉尘、强光、遮挡）下的感知方案研究。\n\n二、定位建图与场景重建\n1、参与视觉SLAM/激光SLAM算法的开发与调试，支持机器人实时定位与建图；\n2、协助三维场景重建（地形重建、料堆体积估算）相关算法开发；\n3、学习多传感器（IMU、GNSS-RTK、相机等）融合定位方案。\n\n三、多传感器标定与系统集成\n1、参与多传感器（相机、IMU等）外参/内参标定工具的开发；\n2、配合硬件、控制团队完成感知模块的联调联试。\n\n四、模型优化与部署\n1、参与感知算法的模型轻量化与加速优化（量化、剪枝、TensorRT/ONNX等）；\n2、协助搭建模型训练-评估-部署的标准化流水线；\n3、学习嵌入式平台（NVIDIA Jetson等）上的模型部署。\n一、基础要求\n1、硕士在读及以上，计算机科学、电子信息、自动化、机器人学等相关专业；\n2、扎实的计算机视觉与深度学习理论基础，熟悉CNN/Transformer等主流网络架构，了解BEV感知、Foundation Model等前沿方向；\n3、熟练掌握Python，熟悉C/C++；了解ROS1/ROS2；\n4、熟悉PyTorch，具备模型训练、数据增强、损失调优等基础经验。\n\n二、算法经验（至少满足一项）\n1、目标检测（YOLO/DETR等）、语义/实例分割（Mask R-CNN、SegFormer等）或目标跟踪（ByteTrack、DeepSORT等）的项目经验；\n2、视觉SLAM（ORB-SLAM、VINS-Mono/Fusion等）项目开发经验；\n3、点云处理（PCL/Open3D）、三维重建或地形建模相关经验。\n\n三、工程与加分项\n1、熟悉Git；\n2、有模型推理优化（TensorRT/ONNX/OpenVINO）或嵌入式部署经验者优先；\n3、有机器人、自动驾驶或工程机械领域项目经验者优先；\n4、 有高水平论文发表（CVPR/ICCV/ECCV/ICRA/IROS/RA-L等）者优先；\n5、有矿山、建筑等非结构化户外场景感知经验者优先。\n",
"standard_classification": {
"std_category_code": "T034",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}