德赛西威
感知算法工程师（2027届-惠州）
感知算法工程师（2027届-惠州）
发布于 9 小时前普通员工/个人贡献者
全职员工仅现场办公计算机视觉工程
计算机视觉工程
Bev感知
Pytorch
Tensorflow
多传感器融合
目标检测
计算机视觉
语义分割
值不值得投
68综合评分
综合评分 68
车载感知算法核心研发，技术栈前沿，薪资福利与工作节奏需面谈确认。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较职业起点。
薪资怎么样
2.0万
比计算机视觉工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
14 个在招
职位详情
关于这个职位
该岗位面向2027届硕士应届生，参与车载视觉、激光雷达与多传感器融合感知算法的研发与迭代，负责目标检测、语义分割、深度估计、BEV感知等模型的训练、评测和调优，并参与感知数据全流程建设与前沿方案复现
工作地点在惠州，招聘2人
最低要求
硕士及以上学历，计算机、人工智能、自动化、电子信息、车辆工程等相关专业，专业基础扎实
熟练掌握Python编程语言，了解C++开发者优先，具备基础代码开发与工程实现能力
熟练掌握PyTorch、TensorFlow等至少一种主流深度学习框架，熟悉模型训练、调优、评估全流程
扎实掌握计算机视觉基础理论，熟悉目标检测、图像分割、图像分类、目标跟踪等经典视觉任务与算法原理
具备良好的数学功底，熟悉线性代数、概率统计、优化方法等基础理论，能够支撑算法研发与调优工作
工作职责
参与视觉、激光雷达、多传感器融合感知算法的研发、迭代与性能优化，保障感知算法的准确性与稳定性
负责目标检测、语义分割、深度估计、BEV感知等核心视觉算法模型的训练、评测、调优与版本迭代，落地适配车载场景需求
参与感知业务数据全流程建设，完成数据清洗、标注规范制定、高质量数据集搭建，结合数据结果开展算法效果分析与问题复盘
跟进计算机视觉、车载感知领域前沿论文与开源方案，完成算法复现、实验对比、技术调研与方案落地，持续推动算法技术迭代升级
优先资格
了解C++开发者优先
AI 洞察
优缺点分析
优点
- 岗位覆盖BEV、多传感器融合等智能驾驶热点方向，技术栈较前沿
- 参与车载量产项目，有机会积累从数据到模型落地的完整经验
- 公司为汽车电子领域企业，感知算法岗位与核心业务关联度高
- 车载场景对算法稳定性、实时性和安全性要求高，调优与验证工作量大
- 适合计算机视觉基础扎实、希望深耕智能驾驶感知算法，并愿意在惠州长期发展的应届硕士
缺点 / 挑战
- 需要同时理解数据、模型和工程落地，跨环节协作成本较高
- 校招岗位竞争激烈，对CV基础和项目经历要求较高
角色解读
- 从单模块视觉算法逐步深入到多传感器融合与BEV感知系统设计
- 可向感知算法专家、系统架构师或技术团队负责人方向发展
- 在智能驾驶量产项目中积累数据闭环、模型部署与工程化经验
- 参与车载视觉、激光雷达和多传感器融合感知算法的研发、迭代与性能优化
- 负责目标检测、语义分割、深度估计、BEV感知等模型的训练、评测、调优与版本迭代
- 参与感知数据清洗、标注规范制定、高质量数据集搭建及算法效果复盘
- 跟进前沿论文和开源方案，完成复现、对比实验与技术调研
- 熟练使用Python，具备C++基础者优先，能完成算法工程实现
- 掌握PyTorch或TensorFlow，熟悉模型训练、调优、评估全流程
- 扎实的计算机视觉理论，熟悉目标检测、分割、分类、跟踪等任务
- 具备线性代数、概率统计、优化方法等数学基础
申请策略
- 关注德赛西威智能驾驶/感知团队的业务方向，在简历和面试中体现岗位匹配度
- 届校招需留意网申时间与笔试安排，尽早准备项目作品集
- 突出目标检测、语义分割、BEV感知或多传感器融合相关项目经历
- 量化模型训练与调优效果，如精度提升、推理速度优化、数据集建设成果
- 展示Python/PyTorch工程能力，有C++或模型部署经验可作为加分项
- 如有论文复现、开源项目或竞赛经历，建议单独列出
- 补强BEV感知、多传感器融合和车载数据集处理相关知识
- 熟悉模型部署与推理优化基础，如ONNX、TensorRT等
面试指南
- 项目题采用STAR结构：背景-任务-行动-结果，重点讲清技术选型、实验对比和量化收益
- 算法题先讲原理与公式，再结合实际项目说明工程落地和踩坑
- 开放题可按“问题定义—方案对比—验证方法—风险与改进”组织
- 请介绍一个你做过目标检测/语义分割项目，说明数据、模型和指标
- BEV感知的基本思路和常见实现方式有哪些？
- 如何评估和优化车载感知模型的准确性与稳定性？
- 多传感器融合中时间同步和空间对齐如何处理？
- 你如何跟进并复现一篇新的视觉论文？
职位点评
薪资福利60
成长发展82
工作生活50
使命价值72
薪资福利
60中等
JD未披露薪资和福利信息，补偿性动机需通过面试进一步确认。
薪资信号未披露（AI估算：1.5千–2.4万/月）
成长发展
82较高
岗位覆盖BEV感知、多传感器融合等车载视觉核心算法，技术成长性较好；JD未明确培训与晋升机制。
技术前沿前沿/新兴技术
技术栈Python、C++、PyTorch、TensorFlow、目标检测、语义分割、深度估计、BEV感知、多传感器融合
业务类型profit_center
工作生活
50较低
JD未提及办公模式、加班与弹性安排，生活化动机信息不足。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
72中等
车载感知是智能驾驶的重要环节，行业成长性较好；JD未直接描述使命价值，但算法落地与行车感知相关。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs