锦鲤求职岗位描述
岗位职责：
1、负责工业视觉场景下高精度、高泛化性目标定位整体算法方案设计、算法原型研发与前瞻探索，围绕真实工业产线定位需求，完成从问题定义、技术选型、原型开发到实验验证的完整研究链路，输出可交付的定位算法与配套工具。
2、深入理解工业业务场景，开展系统性文献调研与技术路线评估，结合工件变化、光照扰动、姿态变化、外观形变、工况差异提炼定位任务关键科学问题，快速构建原型验证方案有效性，输出可行的技术决策。
3、深入分析场景数据内在特性（目标外观变化、噪声模式、遮挡干扰、尺度旋转变化、标注约束、多品类工件差异等），设计严谨的消融实验与对比实验，从算法原理层面解释实验结果，定位不同定位技术路线的能力边界与适用条件，并据此优化算法策略、模型架构与后处理逻辑。
4、针对真实产线部署需求，统筹定位算法的高精度（像素/亚像素级定位精度）与高泛化能力（跨工件、跨批次、光照变化、姿态偏移、成像设备差异下的鲁棒性），保障定位算法在复杂工业工况下的稳定性与容错能力。
5、以业务定位指标（定位精度、召回率、准确率、推理时延）达成为导向，配合工程团队完成算法从原型验证、算法工具封装到端侧/边缘侧部署的全流程闭环；通过Bad Case分析、难例挖掘、数据回流机制持续迭代优化，保障定位算法精度、速度、稳定性达到交付标准，完成算法原型及算法工具交付，保障业务落地。
6、跟踪领域前沿进展（CVPR/ICCV/ECCV/NeurIPS等顶会论文、开源项目、视觉大模型相关技术），结合工业定位场景特殊性探索创新应用方向，将学术界前沿技术转化为工业界实际生产力。
7、输出高质量技术方案文档、实验分析报告、测试报告以及可复现的算法代码与配套工具，保证研发过程透明可追溯，支撑团队知识沉淀与技术决策。
任职要求：
1、硬性要求：硕士及以上学历，计算机视觉、模式识别、图像处理、机器学习、人工智能、自动化、数学等相关专业
2、技术能力
-熟练使用Python，熟练掌握PyTorch等主流深度学习框架；熟悉Git协作规范，具备良好的代码工程素养与工具封装能力。
-精通传统机器视觉定位算法：熟练掌握模板匹配、NCC归一化互相关、几何特征提取（找线、找圆、角点等），理解亚像素定位原理，熟悉各类传统定位算法的适用边界、噪声敏感性与缺陷。
-精通基于深度学习的目标定位技术：熟悉CNN、Transformer系列目标检测算法，掌握检测、关键点定位、实例分割等相关技术栈；熟悉Grounding系列、VLM视觉大模型的定位原理、输入约束、推理流程与工业场景适配方法。
-能够根据业务精度、泛化性、速度约束，完成传统算法、深度学习模型、VLM大模型的混合方案设计与融合，实现高精度目标定位。
-扎实的数学基础（概率统计、线性代数、几何变换、最优化理论），可运用数学工具完成定位算法推导、坐标变换、误差分析。
3、研究能力
-具备独立查阅精读英文前沿论文的学术素养，能够快速复现主流目标检测、定位、VLM‑Grounding相关方法，并提炼可改进创新点。
-具备严谨的实验方法论：能够从工业定位业务抽象科学问题，设计完备实验对照组，量化定位误差、泛化能力，从实验结果提炼规律，不依赖单纯调参。
-善于对失败案例逆向归因，能够区分数据偏差、特征失效、模型假设失配、后处理逻辑缺陷、评估指标失焦等问题，迭代修正技术路线。
4、综合素质
-具备定位算法原型、算法工具交付以及落地产线闭环意识，对实际产线定位效果有强烈责任心。
-逻辑清晰，沟通高效，能够与工程、硬件、产品团队高效协同，推动算法原型、工具落地为产品能力。
-学习能力、自驱力强，主动跟踪视觉检测、大模型Grounding前沿，快速动手验证创新思路。
加分项
学术成果：在CVPR、ICCV、ECCV、NeurIPS、ICML等顶级会议或期刊发表目标检测、关键点定位、视觉大模型Grounding相关方向论文。
竞赛荣誉：在国内外知名AI竞赛（Kaggle、天池、顶会挑战赛等）目标检测、定位赛道取得优异成绩。
前沿实践：有工业场景VLM/Grounding大模型微调、提示工程适配经验；有亚像素定位、多模态定位、域泛化、小样本工件定位落地经验；具备工业视觉算法工具链封装、SDK输出交付经验。