中国平安
微表情算法工程师
微表情算法工程师
发布于 大约 14 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
深度学习
PyTorch
TensorFlow
模型压缩
CNN
数据增强
GNN
人脸识别
多模态融合
AI 估算 · 15k–25k
深圳硕士算法岗，薪资具有竞争力，平安平台稳定，年终奖金可观。
职位详情
关于这个职位
该职位主要负责微表情识别算法的全流程开发，包括面部关键点检测、AU识别、多模态情感计算模型构建等
你将参与数据工程、模型优化及前沿技术探索，解决实际场景中的鲁棒性问题，适合对情感计算和计算机视觉有浓厚兴趣的算法工程师
最低要求
教育背景：计算机科学、人工智能、模式识别、心理学（量化方向）等相关专业硕士及以上学历
编程功底：精通Python，熟练掌握PyTorch或TensorFlow框架，具备良好的工程代码规范
CV基础：
· 深刻理解CNN、Transformer、GNN在图像/视频分析中的应用
· 熟悉人脸识别、3D人脸重建、时序动作检测相关技术栈
微表情专长：
· 熟悉FACS（面部动作编码系统）理论，理解AU单元与表情的映射关系
· 有处理CASME、SAMM、SMIC等微表情公开数据集的实际经验，清楚其长尾分布问题的解决方案
· 理解微表情与宏表情的本质区别（持续时间、强度、起始不对称性）
工作职责
核心算法研发：负责微表情识别算法的全流程开发，包括但不限于面部关键点检测（Landmark Detection）、面部动作单元（AU， Action Units）识别、微表情时空模式提取与分类
多模态融合：结合语音情感分析、生理信号（PPG/眼动）或文本语义，构建多模态情感计算模型，提升在低强度、短时程微表情下的识别准确率
数据工程：主导微表情数据的清洗、标注规范制定及数据增强策略（特别是针对不平衡样本和小样本学习），构建高质量的数据闭环
模型优化：针对端侧（On-device）或云端部署需求，进行模型压缩、量化及推理加速，解决实际场景中的光照变化、头部姿态偏移等鲁棒性问题
前沿探索：跟进CVPR/ICCV/ACII等顶会中关于情感计算、自监督学习的最新成果，将SOTA论文转化为可落地的工程方案
AI 洞察
暂无 AI 洞察数据
匹配度报告
Watch Jobs