高级图像视觉算法工程师-G26-001(J18527)

优缺点分析

角色解读

• 可向算法专家方向深耕医疗影像分析领域
• 也可转向算法团队管理或产品定义岗位
• 医疗AI落地与临床验证经验是稀缺积累，向智慧医疗方向空间大
• 设计开发物体检测、追踪、分割、运动检测与点云重建等视觉应用算法
• 用深度学习框架训练调优模型并优化精度与推理速度
• 推动模型在嵌入式芯片上的轻量化与工程化落地
• 跟踪前沿技术开展预研
• 扎实的传统图像处理与深度学习算法功底，精通 C/C++ 工程化开发
• 具备 NPU/GPU/CUDA 嵌入式开发经验
• 熟悉 PyTorch/TensorFlow 框架与模型压缩加速方法

申请策略

• 投递前了解联影医疗的影像设备产品线及智能功能布局
• 面试可围绕算法从实验室到嵌入式产品的完整落地过程展开
• 突出物体检测/分割/点云重建等具体算法项目及精度指标
• 强调模型轻量化与嵌入式部署的实际落地案例
• 写明医疗影像或严格验证场景的项目经历
• 补充模型量化、剪枝、TensorRT等推理加速技术
• 了解医疗器械软件开发与临床验证流程
• 加深NPU异构计算与CUDA优化能力

面试指南

• 按项目背景-技术方案-工程约束-量化结果的结构陈述
• 强调算法选型的 trade-off 分析
• 结合医疗场景说明可靠性验证思路
• 请介绍一个你在嵌入式平台部署视觉算法的完整项目？
• 如何平衡模型精度与推理速度的取舍？
• 物体检测与分割算法你分别用过哪些方案，如何选型？
• 点云重建你了解或用过哪些方法？
• 医疗场景对算法可靠性有什么特殊要求，你如何处理？