视觉算法工程师的主要职责8篇

Posted 2023-04-16

参考技术A

视觉算法工程师负责算法模块需求分析、软件设计、代码开发、问题定位等工作。下面是我为大家带来的视觉算法工程师的主要职责8篇，希望大家能够喜欢!

视觉算法工程师的主要职责1

职责：

1.工业相机的firmware开发及功能整合;

2.深度学习模型的构建与优化或机器学习算法的优化，提升效果.性能与易用性;

3.结合业务产景，能灵活调整算法框架和数据集;

4.负责算法在产品的落地;

5.工业应用后台服务器算法的开发;

岗位要求

1.精通C/C++，Python等编程语言，熟悉ARM/MIPSLinux等平台的开发;

2.精通机器视觉(如人脸检测识别，目标检测和跟踪，OCR，数字图像处理算法OpenCV/OpenVINO等);

3.精通常用的深度学习框架，如Tensorflow，Caffe等,有相关实战 经验 优先;

4.在机器学习上有实战经验，对经典算法如SVM(支持向量机).LR(逻辑回归分析).CNN(卷积神经网络)等有深入理解;

5.有较强的学习能力，团队合作能力以及沟通能力。

视觉算法工程师的主要职责2

职责：

1、仓储机器人视觉定位系统设计、开发和优化。

2、二维码导航技术研发。

3、其他新型视觉导航技术研发。

4、本岗位为研发岗，要求有较强的解决实际问题能力。

岗位要求：

1、硕士及以上学历，研究方向为图像模式识别。

2、熟悉主要图像模式识别算法(包括但不限于图像去噪、图像复原、图像分割、区域描述等)，并且能够独立实现。

3、有独立开发算法的工作经验和能力，既能独立解决问题，也能够协同工作。

4、熟练使用C/C++。

5、熟悉QR码、DM码等常见二维码的原理和扫描算法，具备开发工业二维码的能力者优先。

6、对搜索算法、聚类算法、编码算法、图像压缩算法等有深入研究者优先。

7、在模式识别和机器学习算法研究中有独到见解者优先。

视觉算法工程师的主要职责3

职责：

1. 负责工业视觉项目现场调试工作;

2. 负责前期样本的采集、深度学习样本标注等工作;

3. 负责调试文档的撰写。

任职资格：

1. 具备吃苦耐劳、敬业负责的职业精神;

2. 熟悉工业自动化产线生产流程，对于工业自动化中的常见的电气元件及其使用 方法 有一定的了解，对于工业自动化中常用的机械结构有一定的了解。

3. 熟悉基恩士、康耐视、巴斯勒、海康、大恒工业相机，能够对这些相机及其配套镜头独立自主的安装、调参，熟悉各种相机的参数特性者优先;

4. 熟悉各种配套的光源：环形、条形、背光，了解常见的光源种类：蓝光、白光、红光等。并且对这些光源的安装、使用有一定的项目经验。

5. 熟练使用以上相机配套的相应软件者优先;

6. 具备工业视觉检测项目的经验者，优先考虑。

视觉算法工程师的主要职责4

职责：

1、负责现有公司的AOI软件平台的开发维护和升级;

2、负责设备软件技术文档编制;

3、负责设备软件部门的售后技术支持;

4、完成上级交代的其他任务

任职要求：

1、 本科以上学历，计算机、软件工程、数学相关专业;

2、掌握或了解C++编程语言;

3、掌握或了解Halcon、OpenCV等图像算法

4、具备良好的团队合作、积极主动沟通意识;

5、具有良好的分析、解决问题的能力，对攻克疑难问题有浓厚兴趣

视觉算法工程师的主要职责5

职责：

负责公司工业视觉检测产品的图像处理与模式识别等相关算法的研究;

完成软件系统代码的实现，编写代码注释和开发文档;

辅助进行系统的功能定义,程序设计;

根据设计文档或需求说明完成代码编写，调试，测试和维护;

分析并解决软件开发过程中的问题;

协助测试工程师制定测试计划，定位发现的问题;

职位要求：

1、精通JAVA、C#、等主流软件语言中一种及以上

2、熟悉SQL Server、mysql、Oracle等一种或多种数据库的使用和开发

3. 熟悉视觉算法，可独立分析并编写算法及测试”

4、有1年及以上相关软件语言开发工作经验

5、参与过两个及以上完整的项目开发过程

6、有自主学习、独立思考、独立解决问题的能力

7. 具有良好的表达能力和人际沟通技巧，具有良好的团队合作精神，工作认真负责

8. 有工业领域机器视觉算法(目标定位、缺陷检测、条码识别、OCR、测量)研发经验优先;

视觉算法工程师的主要职责6

职责：

1、研究深度学习(包括各种神经网络结构与应用)或计算机视觉各个领域(目标检测识别、三维重建等)中核心算法;

2、将上述核心算法应用到各种复杂现实场景中;

3、针对应用场景进行优化和定制。

任职要求：

1、计算机、软件工程、自动化等相关专业 毕业 ;

2、硕士学历，或本科学历并且有2年以上相关工作经验;

3、能够熟练阅读和理解英文资料;

4、熟悉C/C++、python语言，具有研发能力;

5、掌握计算机视觉领域的基础理论、图像处理和模式识别的相关算法，具有扎实的背景知识;

6、熟悉OpenCV/openGL，特别是其中图像处理库、立体视觉库/图像渲染;

7、具备良好的团队合作和沟通能力，很强的 逻辑思维 能力和学习能力。

视觉算法工程师的主要职责7

职责：

1. 研究各种工业领域的机器视觉算法(定位、识别、检测、测量)，实时跟踪国内外的行业发展现状与方向;

2. 根据公司项目需求，设计与开发新的视觉算法;

3. 对公司产品中现有的视觉算法从稳定性、处理效果和速度上做持续改进;

4. 负责算法测试相关工作，撰写开发文档;

任职要求：

1. 硕士及以上学历，图像处理、计算机视觉、自动化相关专业;

2. 熟悉C ,VC++ ,python;

3. 精通数字图像处理算法，包括图像增强、图像分割、特征提取、模板匹配等，熟悉opencv，halcon等视觉算法库;

4. 有工业领域机器视觉算法(目标定位、OCR、测量、缺陷检测)开发经验;

5. 有windows平台下算法优化的经验;

6. 具有阅读专业英文资料的能力，以了解国际先进的视觉算法;

7. 有底层机器视觉算法库开发、3D视觉算法开发经验者优先;

视觉算法工程师的主要职责8

职责

1、负责图像处理算法的设计与实现;

2、负责现有算法的优化和完善;

3、参与用户功能的定义和验收;

4、跟踪图像算法应用情况，完成技术支持工作。

任职资格

1、计算机，电子，自动化等相关专业本科以上毕业，2年以上相关工作经验;

2、具有C/C++程序设计基础，对数据结构有一定的研究基础;

3、熟悉计算机视觉算法和图像处理算法;

4、具备团队合作精神，有良好的人际沟通能力。

视觉算法工程师的主要职责8篇相关 文章 ：

★ 图像算法工程师岗位的工作职责范本

★ 算法工程师岗位职责简洁版

★ 算法工程师岗位的主要职责文本

★ 图像算法工程师的主要职责

★ 视觉算法工程师的职责

★ 图像算法工程师岗位的主要职责

★ 图像算法工程师的职责概述内容

★ 图像算法工程师岗位的职责精选

★ 图像算法工程师的工作职责描述

var _hmt = _hmt || []; (function() var hm = document.createElement("script"); hm.src = "https://hm.baidu.com/hm.js?f3deb3e38843798ce8b6783fc0959c85"; var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(hm, s); )();

计算机视觉图像算法面经

写在前面

今年CV方向算法工程师非常难找，投递CV算法的毕业生越来越多，各个CV岗位（包括研究岗与业务线上的算法工程师岗）对于求职人员的要求也越来越高。

这里本文以自己春招实习以及秋招的经历为基础，整理秋招求职的视觉图像算法中的经常会遇到的一些面试问题。主要整理一些常问的基础知识以及算法知识。由于每个人自己的项目不同，岗位的不同问题也会有一些不同，这些基础问题应该是都有所理解的，这些基础知识作为查漏补缺来看吧。

1. 机器学习

梯度下降法与牛顿法

感知机的计算公式

K近邻中kd树的思路

朴素贝叶斯的推导以及假设条件

ID3，C4.5，CART决策树的计算流程

Logistic回归的极大似然推导

SVM的推导，KKT条件，原问题与对偶问题的联系

Adaboost，梯度提升决策树，GBDT，XGboost

L1正则化为什么能够获得稀疏解

2. 深度学习

RCNN系列算法的演进过程，重点详细介绍Faster RCNN算法

YOLO系列算法（v1-v4）的演进以及每个算法的特点

YOLOv3的主要改进

YOLOv4的主要改进

SSD系列算法（SSD，DSSD等算法）

two-stage算法主要慢在哪儿

ROIpooling，RoiAlign的计算

RetinaNet解决什么问题

Focal Loss的计算

Batch Normalization的作用

BN的计算公式

BN中偏移因子与缩放因子的作用

训练和测试时BN的不同点

多卡的BN如何实现同步（一次同步与两次同步）

Normalization的几种形式的计算（BN，Layer Normalization，Instance Normalization，Group Normalization）

DNN的反向传播推导

CNN的反向传播

池化层的反向传播

img2col的计算

ResNet到底解决了什么问题

感受野计算

普通卷积，Group卷积，深度可分离卷积的计算量与参数量

IOU计算（代码）

NMS（代码）

soft-NMS（代码）

MobileNet与shuffleNet特点

MobileNetv1与v2的改进

K-means聚类anchor的思路以及代码

anchor-free的算法都知道哪些

DETR算法介绍一下

FPN为何能够提升小目标的精度

Softmax与sigmoid计算公式

softmax交叉熵损失的梯度

分类为何采用交叉熵损失而不是均方差损失

TP、TF、FP、FN的计算

precision、recall、F1score、accuracy的计算

ROC、AUC、MAP的计算

各种回归损失的计算以及优缺点（L1loss，L2loss，smooth L1loss，IOU Loss， GIOULoss，DIOUloss，CIOULoss）

带有warmup的cosine学习率计算

说说了解到的几种分割算法

Transformer的原理以及VIT的了解

各种优化器的计算公式（GD，SGD，batch GD，SGD+momentum，NAG，AdaGrad，RMSProp，Adam）

CNN的平移不变性的理解

Dropout具体是怎么做的，训练和测试时有什么不一样

神经网络的深度和宽度理解

SIFT与HOG

Transformer相比较CNN的优缺点

雅可比矩阵与海塞阵（一阶导与二阶导）

深度可分离卷积的优缺点，Mobilenet是否一定快

Faster RCNN回归的公式。

权重初始化的方案（Xavier，kaiming_normal）

数据增广的常用方案

数据类别不均衡的解决方案

半监督算法

自监督算法

自监督中的崩溃解问题的理解

Triplet Loss

3. 图像处理

各种图像边缘检测算子（sober算子，Robert算子，Prewitt算子，Laplace算子，canny算子）

低通高通滤波器

降噪

形态学处理（腐蚀以及膨胀）

图像量化

4. linux常用命令

查找文件命令（whereis，which，find，grep，locate）

查看进程

杀死进程

ssh，scp

nohup &

文件权限

5. c++基础

c++编译过程

静态链接库与动态链接区别

cmakelist文件

6. python基础

python多线程，多进程

python的GIL

生成器与迭代器

装饰器

深浅拷贝

上边的基础知识，大家是不是都有很好的理解呢，在评论区大家一起交流一下，这些知识太多，整理起来太麻烦，如果需要的人较多，我就整理一下对于这些问题我自己的理解。

推荐扫码关注小哲AI公众号，分享更多技术文档，一起交流学习