我们在关注【深度学习方向】的候选人，重点关注多目标跟踪、人脸识别、强化学习、模型加速、自动化训练平台搭建等子方向，以及在分类、检测等基本问题上有丰富经验或者参加相关比赛并成绩突出的同学，感兴趣的话可以关注我们的相关算法岗位，欢迎投递简历~~ 我们在关注【机器人方向】的候选人，重点关注多传感器融合、SLAM、路径规划、机械臂运动控制、环境感知等技术方向；硬件方面，公司拥有轮式机器人、无人机、四足机器狗等先进机器人平台。如果你有实际机器人系统开发与搭建经验，喜欢动手动脑，乐于探索机器人的各种落地应用，欢迎投递简历~~~ 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 行人ReID：要求有相关研究背景，熟悉PCB、MGN等经典ReID工作，在ReID相关竞赛中取得过比较好的成绩，工程能力强，或发表过相关学术论文 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 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, Deformable Conv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 异常检测：有通用异常检测的研究经验，对 Isolation Forest、Feature Bagging和Auto-Encoder等主流异常检测方法有深入研究，在相关数据集或比赛中取得过较好的成绩 3D视觉：有三维视觉相关知识和基础，对于与环境几何建模、三维物体识别、三维语义分割、点云处理等方面有深入研究和实践经验，能够将理论知识运动到实际工程问题中 SLAM：良好的编程能力， C/C++或 Python，掌握至少一种经典SLAM框架，详细阅读过源码，掌握背后的理论知识；熟悉使用常见的图优化工具，GTSAM、ceres、g2o等。熟悉语义最新语义slam框架和利用深度学习方法处理点云经验者优先。 机器人控制：熟练掌握工业机器人基础框架和知识，如DH参数，IK,FK，四元数等；熟悉常见工业机器人轨迹规划算法，至少掌握一种运动规划算法；编程和算法基本功扎实，熟练掌握C++，以及至少一门脚本语言（如Python）；熟悉ROS系统，可熟练使用仿真软件者（如gazebo等）优先