视觉感知(3D方向)算法工程师

优缺点分析

角色解读

• 可向3D视觉算法专家方向发展，深入钻研感知前沿技术
• 未来可转向自动驾驶、机器人或AI芯片等领域的核心研发岗
• 在顺丰内部可向技术管理岗（如技术Leader）或业务专家方向晋升
• 研发基于深度学习的3D感知算法，如深度估计、占据栅格网络等，并部署到产品中
• 设计模型训练策略，优化准确率和鲁棒性，同时负责搭建深度学习数据库和标注平台
• 将算法模型移植到嵌入式端，实现边缘计算应用
• 扎实的计算机视觉理论基础，熟悉单目/双目/多目深度估计、OCC/BEV网络
• 熟练使用Python、C++、OpenCV等编程工具，以及PyTorch、TensorFlow等深度学习框架
• 具备实际模型训练、调优和嵌入式部署经验

申请策略

• 了解顺丰在物流场景中的智能化布局（如无人车、分拣），在面试中结合业务思考
• 准备一个完整的端到端项目案例，从数据处理到模型部署的流程
• 突出3D感知相关项目经验（深度估计、OCC/BEV等），包括训练和部署细节
• 强调使用PyTorch/TensorFlow的实战项目，尤其是模型优化和嵌入式移植经验
• 展示在计算机视觉会议或期刊发表的论文（如有）
• 列出熟练掌握的技能栈（Python, C++, OpenCV等）
• 补充3D视觉大模型（如Depth Anything、Metric3D）的实践了解
• 学习模型轻量化技术（量化、剪枝、蒸馏）以应对嵌入式部署需求

面试指南

• 采用STAR法则（情境-任务-行动-结果）结构化描述项目经历
• 技术问题从原理、方案对比、实际效果、改进方向四个层面回答
• 请介绍一个你负责的3D感知项目，包括算法选型、训练过程和部署效果
• 如何优化深度估计模型的精度和推理速度？请举例说明
• OCC（占据栅格）网络相比传统方法有哪些优缺点？
• 在嵌入式平台上部署模型时，你遇到过哪些挑战？如何解决的？
• 你对3D视觉大模型（如Depth Anything）的理解，如何应用到实际业务中？
• 复习经典3D视觉论文（如MonoDepth、BEVFormer等），理解核心思想