【社招和校招】格灵深瞳合肥研发中心计算机视觉算法岗招聘

关注公众号，获取更多AI领域发展机会

格灵深瞳是一家行业领先的人工智能A股上市公司（股票代码：688207）。公司以“让计算机看懂世界，让AI造福人类”为愿景，专注于将先进的计算机视觉、大数据分析、人机交互和机器人技术与应用场景深度融合，提供面向智慧金融、城市管理、商业零售、体育健康、轨交运维等领域的人工智能产品及解决方案。

公司成立于2013年，是国内计算机视觉行业和算法技术的早期探索者和实践者，并于2022年3月在上海交易所科创板挂牌上市。

公司经过多年的技术研发与积累，已有效掌握了基于深度学习的模型训练与数据生产技术、3D 立体视觉技术、大规模跨镜追踪技术、自动化交通场景感知与事件识别技术、机器人感知与控制技术等方向的多项核心技术。公司的人脸识别、车辆识别等核心算法在国际、国内的权威机构和组织举办的算法比赛中多次获得第一。

其中:公司的人脸识别技术在公开数据集 MegaFace 上识别准确率达到 99.1%，公司在公安部治安管理局亿级人像算法测试中，1 比1 人像比对测试万分之一误识率下的通过率为 99.97%，5 万样本比 1 亿级人像比对测试中首位命中率超过 98%，均高于行业平均水平;公司的车辆识别技术能够对大陆号牌、港澳号牌、非机动车号牌等多种类型的车牌进行多种尺寸和角度的识别，支持倾斜角度在 45°范围内的车牌，准确率在 99%以上。同时，公司支持的机动车、非机动车、人体属性识别多达 50 余项，重点属性识别准确率超过 95%，达到国内领先水平。

公司建立了以数据平台与训练平台为核心，涵盖数据采集、数据预处理、数据标注、模型训练、模型优选等模块的底层 AI 技术平台——深瞳大脑，有效提高了算法模型的研发效率及自动化水平。数据平台支持多源多模态数据的自动收集和清洗归类，通过构建自动化处理为主、人工标注为辅的标注体系，形成海量增长的标签数据池，有效节省标注成本，提高了算法模型的研发效率;训练平台则有效提高了模型训练的自动化水平，降低算法多平台部署应用的迁移难度，为算法高效生产及快速商业化应用奠定了重要基础。数据、算法及应用在深瞳大脑内形成人工智能的正向循环，为公司的高效研发创新与产业应用提供了有力支持。

经过多年持续研发的优化，公司的训练任务管理平台产出的模型可无需人工干预，自动发布到各种类型的显卡或平台，包括英伟达显卡、嵌入式平台、海思平台、华为 Altas 计算卡等，从而达到模型快速高效交付的目的。除了该项基于深度学习的模型训练与数据生产技术之外，公司还形成了 3D 立体视觉技术、自动化交通场景感知与事件识别技术、大规模跨镜追踪技术和机器人感知与控制技术的技术方向，掌握了跨平台模型训练技术、海量数据生产技术、多目传感器标定与深度估计技术、运动姿态分析技术、人脸识别算法和引擎技术等多项核心技术。

凭借过硬的技术能力和长期的商业化经验，格灵深瞳已成功在智慧金融、城市管理、商业零售 、轨交运维四大领域实现落地应用，其中：城市管理领域已覆盖全国多省市的公安局、公安交通管理局、政法委员会等政府机关或企事业单位；智慧金融领域已覆盖农业银行全国各省市的数千家网点；商业零售领域主要收入来自地产类客户；轨交运维领域公司的自研产品在某城市的地铁项目已通过验收，实现落地应用，为地铁的安全运维提供保障。

除此之外，公司在体育健康、沉浸式大宇宙等更多领域进行前瞻性的布局。公司的体育健康业务产品在多地校园场景进行试点，通过智慧化训练场改造以及一体化的交互设备部署，汇总学生体育运动数据，并进行自动化的教学分析、评价、指导，识别学生个体差异 ，帮助各地学校进行智慧体育课、课后服务、课后体育作业的场景建设，助力学校分层教学，构建基于人工智能的智慧体育新型教学模式；公司的大宇宙产品在2022年服贸会上首次公开亮相，获得了来自政府、媒体、现场观众的一致好评。未来公司将继续深入行业应用场景，不断优化算法模型，为各行业深度赋能。

▌简历直通车

• 联系邮箱：[email protected]

• 工作地点：合肥高新区创新产业园2期J2栋C座

• 福利待遇：人工智能行业富有竞争力的薪酬，此外，还包括七险一金（社会保险、补充医疗、意外保险、全额公积金）、弹性双休、午餐补贴、带薪年假、带薪病假、技术分享、多彩团建、节日惊喜，等等

• 学历要求：硕士或者博士 （应届和历届皆可）

• 专业要求：计算机、人工智能、自动化、软件工程、电子工程、机器人等相关专业

▌各算法岗岗位要求

◆【人脸识别】有人脸识别相关的研究经验，在人脸识别相关竞赛中取得过比较好的成绩，工程能力强，对大规模分布式训练有深入的了解，或发表过相关学术论文。

◆【动作识别】负责基于视频流和Skeleton-Based 动作识别；要求至少了解一种常用的动作识别算法，熟悉CNN，GCN网络。

◆【目标检测】对主流目标检测算法非常熟悉，如Faster-RCNN, Mask-RCNN, Cascade RCNN,SSD, DETR等，在voc/coco等数据集上取得过较好的成绩，或发表过学术论文。

◆【人体姿态估计】对主流的top down和bottom up的人体姿态(human pose)估计算法有深入的了解，有具体研发经验，在相关数据集或比赛中取得过领先的成绩。

◆【3D姿态估计】负责单目、多目人体姿态估计，并应用于实际场景。要求具备扎实三维重建基础，具有一定数学矩阵计算公式推导能力，熟悉一个或多个深度学习框架，有一定模型量化部署经验。

◆【单目深度估计】负责深度估计领域落地的研究工作，参与深度估计算法方面的前沿探索，参与推动单目监控场景下进行相关优化工作。

◆【大规模分布式训练】负责对大规模cv/nlp/语音模型及稀疏模型的训练进行性能优化，改善模型训练效率，充分挖掘硬件特性，紧跟业内前沿，持续优化框架；熟悉一个或多个深度学习框架，熟悉分布式系统原理，数据计算机网络。

▌招聘流程

（1）邮箱投递（2）线上笔试（3）线上面试（4）发放Offer