视觉感知(2D方向)算法工程师

优缺点分析

角色解读

• 从算法研发逐步成长为技术专家，主导核心视觉算法的设计与迭代
• 向架构师方向深入，负责整体视觉系统设计与优化
• 也可转向技术管理岗位，带领算法团队攻克难题
• 研发基于深度学习的2D视觉感知算法，包括目标检测、跟踪、语义分割等，并优化模型性能
• 搭建和维护深度学习数据库及标注平台，确保训练数据的高效管理
• 负责算法的嵌入式端部署，将模型移植到边缘设备，实现产品级应用
• 扎实的计算机视觉和深度学习理论基础，熟悉主流检测、分割算法（YOLO、DeepLab等）
• 熟练使用Python、C++、OpenCV和深度学习框架（TensorFlow/PyTorch），具备实际项目经验
• 了解嵌入式部署流程，有模型压缩和加速经验者优先

申请策略

• 面试前了解顺丰在物流自动化领域的AI布局（如无人机、无人仓），展示业务理解
• 关注公司的技术博客或论文，体现对技术文化的认同
• 突出目标检测/分割等项目的实际训练和部署经验，量化性能指标（mAP、FPS等）
• 展示在嵌入式或边缘设备上的模型优化经历，如模型压缩、量化、剪枝
• 强调对不同框架（PyTorch/TensorFlow）和工具的熟练度，以及独立搭建数据集和标注平台的能力
• 补充嵌入式部署相关技能，如ONNX、TensorRT、NVIDIA Jetson等
• 深入学习视觉大模型（SAM、CLIP等）的原理与应用，提升技术竞争力

面试指南

• STAR法则：描述情境、任务、行动、结果，突出技术难点和个人贡献
• 结构化回答：先给出核心思路，再分步骤说明方案，最后总结得失
• 体现工程思维：不仅讲算法，还要讲落地过程中的权衡与权衡依据
• 请详细介绍你参与的一个目标检测项目，包括数据准备、模型选择、优化策略和最终效果
• 如何将YOLO模型部署到嵌入式设备上？会遇到哪些挑战？如何解决？
• 解释一下Transformer在视觉领域的应用，比如DETR或ViT的原理
• 如果训练集与测试集分布差异大，你会如何提升模型鲁棒性？
• 介绍你熟悉的模型压缩技术，并比较它们的优缺点