职位描述
协助Occupancy通用检测模型的设计、优化与实现，参与车辆、行人、车道线、交通标志等多类目标处理。
参与统一架构的多任务学习方案研究，协助提升模型的泛化能力和检测精度。
参与多尺度、多模态融合技术研究，学习BEV感知和多传感器融合技术。
协助分析路测corner case，参与优化模型在复杂场景下的表现。
职位要求
计算机、电子工程、自动化、数学等相关专业本科及以上在读学生。
对计算机视觉、深度学习技术有浓厚兴趣，有相关课程学习或项目经验。
熟练掌握Python编程语言，了解常见深度学习框架（如TensorFlow、PyTorch等）。
具备良好的数学基础，了解多任务学习、目标检测、图像分割等算法原理。
学习能力强，有较强的自驱力和责任心。
良好的团队协作能力和沟通能力。
实习期不少于3个月，每周工作时间不少于4天。
加分项
有通用目标检测、多任务学习或环境感知相关项目经验。
了解各类Occupancy Network、YOLO、DETR等检测框架。
了解多传感器数据处理，对摄像头、激光雷达、毫米波雷达等设备有基本认知。
了解BEV感知、Transformer、多模态融合等前沿技术。
了解数据标注、模型训练、部署优化等全流程。
有相关竞赛获奖经历或发表过相关论文。