视觉感知算法工程师-PICO

优缺点分析

角色解读

• 纵向成为视觉感知领域专家，深入算法优化和架构设计
• 横向拓展到多模态感知、SLAM、AR/VR相关算法，拓宽技术栈
• 可向技术管理方向发展，带领算法团队攻克难题
• 设计并开发端侧视觉感知算法，如场景检测、环境理解，让设备能智能感知周围环境
• 对深度学习模型进行压缩、量化、部署，优化功耗、时延、精度等指标，确保能在设备端高效运行
• 参与数据构建、评测体系设计，分析线上问题并迭代算法效果
• 与产品、硬件、系统团队协作，推动感知能力在PICO设备上落地
• 扎实的计算机视觉和深度学习基础，熟悉分类、检测、分割等算法
• 模型训练、调优、压缩和部署经验，了解端侧推理引擎
• 至少掌握Python和C++，熟悉TensorFlow/PyTorch等框架
• 良好的问题分析和团队协作能力，能跨团队推动项目

申请策略

• 提前了解PICO产品和技术方向，在面试中展示对VR/AR感知的理解
• 准备端侧部署的项目案例，详细说明遇到的挑战和解决方案
• 突出端侧AI或移动端视觉项目经验，如模型压缩、量化、部署的具体成果
• 展示在分类、检测、分割等任务上的算法改进和性能指标提升
• 强调与硬件或产品团队协作的经验，体现跨团队推动能力
• 学习模型剪枝、蒸馏、量化等压缩技术，熟悉NCNN、TFLite等端侧推理框架
• 了解计算机视觉前沿论文，关注轻量化网络设计（如MobileNet系列）

面试指南

• 先明确问题背景和约束条件（如设备算力、内存、功耗），再逐步拆解优化策略：模型选型、压缩方法、部署技巧，最后用具体数据说明效果
• 对于开放性问题，先总结主流方法，再结合自身经验提出改进思路，体现深度思考
• 如何将一个检测模型部署到手机端？讲讲具体流程和优化方法
• 模型量化有哪些方式？量化后精度下降如何恢复？
• 如何处理端侧功耗和时延的平衡？请举例说明
• 你对Transformer在视觉中的应用怎么看？在端侧是否可行？
• 在之前的项目中，你是如何调试模型性能瓶颈的？
• 复习计算机视觉经典模型（ResNet、YOLO、MobileNet等）和轻量化设计