1. 负责ADAS、Parking、城区/高速NOA场景下的感知算法研发和工程落地,包括视觉/Lidar融合模型、Occupancy Network 网络、动/静态目标多任务模型等, 2. 探索使用端到端、时序等高效学习算法检测周围环境信息和交通参与者信息,探索云端算法性能上限,同时结合端侧算力算子实现量产落地, 3. 掌握数据挖掘、标注、训练、部署及badcase回归等闭环链路,并伴随业务开展持续优化,掌握通过数据闭环持续迭代模型的能力

1. 计算机视觉、模式识别、机器学习、电子信息、机器人等相关专业的硕士/博士或者同等工作经验, 2. 熟悉主流深度学习算法,精通一/多个领域,包括但不限于 目标检测、分割、跟踪、多任务学习、立体视觉等领域, 3. 掌握一种以上的深度学习训练框架（Pytorch,MXNet,Tensorflow…） 4. 深入了解数据结构、算法、代码优化和大规模数据处理等相关知识,精通 C/C++ 或 Python 编程,有ACM经验者优先,5 5. 有自动驾驶感知、融合、预测等量产研发经验者优先, 6. 有计算机视觉、模式识别领域顶会（CVPR/ICCV/ECCV/ICML/NeurIPS）或顶刊（TPAMI/IJCV/TIP）作品者优先,顶级学术比赛获奖者或实际工程项目经验者优先。