顺丰速运
算法副工程师-方向2（丰图科技）
算法副工程师-方向2（丰图科技）
发布于 3 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
Cnn
Pytorch
Tensorflow
Yolo
多模态Ai
目标检测
计算机视觉
语义分割
值不值得投
74综合评分
综合评分 74
校招算法岗、前沿视觉大模型技术栈、业务场景丰富，WLB未明确。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
2万
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
约 250 个在招
市场机会
选择不多
武汉 · 计算机视觉工程 · 7 个在招
职位详情
关于这个职位
该职位主要负责计算机视觉算法的研发与工程化落地，涵盖图像识别、模型训练优化及部署调优
适合对AI和视觉大模型充满热情的2027届应届毕业生，参与前沿技术在业务场景中的应用
最低要求
届本科及以上学历毕业生，计算机、人工智能、数学、自动化等相关专业
具备扎实的深度学习基础，有计算机视觉方向的研究或项目实践经验
熟练使用Python编程，掌握PyTorch或TensorFlow等至少一种深度学习框架
熟悉图像分类、目标检测、图像分割或OCR等至少一种CV算法实践
了解主流视觉模型（如YOLO系列、FasterR-CNN、ViT等）及其原理
具备良好的数学基础（线性代数、概率统计等）与初步的算法工程化能力
对AI和大模型有强烈好奇心和日常使用习惯
工作职责
参与计算机视觉相关算法研发，负责图像/影像数据的智能识别与处理（如目标检测、语义分割等）
根据业务需求，开展图像数据处理、特征分析、模型训练及效果评估，提升模型泛化能力
参与视觉模型（如CNN、Transformer基模型、目标检测模型等）的开发与结构优化
协助建设图像数据处理流程，包括数据清洗、增强、标注规范制定及样本质量分析
参与视觉算法的工程化落地，配合完成模型部署与推理性能调优
跟踪多模态AI、视觉大模型等前沿技术在图像理解场景中的应用机会
优先资格
发表过计算机视觉、人工智能相关论文，或有开源项目贡献经验
参加过ACM、Kaggle、天池等算法竞赛并取得成绩
有多模态视觉算法研究或遥感影像、自动驾驶感知项目经验
AI 洞察
优缺点分析
优点
- 依托丰富的物流与遥感影像业务场景，拥有海量真实数据支撑算法落地
- 接触多模态AI、视觉大模型等前沿技术，技术栈现代且具备广阔的行业应用前景
- 业务场景复杂，可能需要处理大量数据清洗、标注规范制定等繁琐的基础工作
- 适合对计算机视觉有浓厚兴趣、具备扎实深度学习基础，且希望在大平台将算法应用于实际业务场景的2027届应届毕业生
缺点 / 挑战
- 作为已上市企业的校招岗，平台大、培养体系完善，职业起点较高
- 算法工程化落地要求较高，不仅需要理论扎实，还需解决模型部署与推理性能调优等实际工程问题
角色解读
- 从算法副工程师成长为独立负责核心视觉算法模块的高级算法工程师
- 向多模态AI、视觉大模型等前沿技术专家方向发展，或转型为算法团队的技术管理者
- 负责计算机视觉算法的研发，包括目标检测、语义分割等图像/影像数据的智能识别与处理
- 开展图像数据处理、特征分析与模型训练，优化CNN、Transformer等视觉模型结构
- 参与视觉算法的工程化落地，完成模型部署与推理性能调优，并跟踪多模态AI等前沿技术
- 扎实的深度学习与计算机视觉基础，熟悉主流视觉模型（如YOLO、FasterR-CNN、ViT）原理
- 熟练使用Python及PyTorch/TensorFlow等深度学习框架，具备初步的算法工程化与模型部署能力
- 良好的数学基础（线性代数、概率统计），对AI和大模型有强烈好奇心
申请策略
- 了解公司在物流科技、自动驾驶感知或遥感影像方面的业务布局，面试时结合业务场景阐述算法思路
- 突出计算机视觉方向的项目经验或研究成果，详细列出使用的模型（如YOLO、ViT）及取得的性能指标
- 强调Python编程能力与PyTorch/TensorFlow框架的熟练度，以及模型部署与工程化落地的相关经验
- 若有论文发表、开源项目贡献或ACM/Kaggle等算法竞赛获奖经历，务必在简历显眼位置展示
- 提前了解并实践视觉大模型或多模态AI技术，熟悉模型压缩、量化及推理加速等工程化部署技能
- 复习线性代数、概率统计等数学基础，并深入理解主流CV算法的底层数学原理
面试指南
- STAR法则：针对项目经验，从情境(Situation)、任务(Task)、行动(Action)、结果(Result)四个维度结构化回答，突出个人贡献与量化成果
- 原理+实践：回答算法原理问题时，先阐述核心数学原理与网络结构，再结合实际项目说明如何调参或改进
- 请详细介绍你参与过的一个计算机视觉项目，包括模型选择、数据处理、训练过程及最终效果评估
- 在模型部署与推理性能调优方面，你有哪些实际经验？遇到过哪些瓶颈及如何解决？
- 对比YOLO系列和FasterR-CNN，它们在原理和适用场景上有什么主要区别？
- 如果让你处理一批质量参差不齐的遥感影像数据，你会如何设计数据清洗和增强流程？
- 复习计算机视觉经典算法（如CNN、Transformer、目标检测、语义分割）的底层原理及最新进展
- 准备1-2个自己最熟悉的项目，深入思考其中的难点、解决方案以及如果重做会如何优化
职位点评
薪资福利80
成长发展85
工作生活50
使命价值70
薪资福利
80较高
作为校招算法岗，薪资在武汉地区具有较强竞争力，福利体系相对完善。
薪资信号偏高 (1.5千–2.5万/月)
成长发展
85较高
岗位涉及多模态AI、视觉大模型等前沿技术，且依托丰富业务场景，技术成长空间大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、CNN、Transformer、YOLO、FasterR-CNN、ViT、多模态AI
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，无法判断具体工作强度与通勤情况。
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
70中等
物流与自动驾驶感知、遥感影像等应用具有较好的社会实用价值，AI大模型方向处于高速增长期。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs