视觉感知(3D方向)算法工程师

优缺点分析

角色解读

• 可向高级算法工程师或技术专家方向发展，深耕3D视觉或自动驾驶感知
• 有机会转向技术管理岗位，带领团队完成复杂项目
• 积累物流行业AI应用经验，横向拓展至机器人、AR/VR等领域
• 研发基于深度学习的3D感知算法，如单目/多目深度估计、占据栅格网络等
• 优化模型训练策略，提升准确率与鲁棒性，并负责数据库及标注平台搭建
• 将算法部署到嵌入式端，实现产品落地
• 扎实的计算机视觉和深度学习理论基础，熟悉深度估计、OCC、BEV等网络
• 熟练掌握Python、C++和OpenCV，以及PyTorch或TensorFlow等框架
• 有实际模型训练和嵌入式部署经验者优先

申请策略

• 关注顺丰在物流自动化方面的业务场景，面试时展示对算法落地的思考
• 提前了解顺丰技术团队的技术栈和开源项目，增加匹配度
• 突出3D视觉相关项目经验，特别是深度估计、OCC、BEV等算法的实际训练和部署案例
• 列出熟悉的大模型（如Depth Anything）及开源框架使用经历
• 强调编程能力（C++/Python）和深度学习框架（PyTorch/TensorFlow）的熟练程度
• 补充嵌入式部署经验，如TensorRT、ONNX Runtime或模型量化
• 系统学习多视图几何和3D重建知识，阅读最新顶会论文

面试指南

• 对于算法解释类问题，采用“基础原理-创新点-实际应用”的结构
• 对于项目经验类问题，采用“背景-方案-结果-反思”的STAR原则
• 对于开放性问题，先明确问题关键点，再列出可选思路，最后给出选择理由
• 请解释单目深度估计和双目深度估计的区别及各自优缺点
• 如何设计一个OCC网络？你用过哪些Backbone或Neck？
• 描述一次你优化模型推理速度的经验，使用了哪些技术？
• Depth Anything和Metric3D的核心创新点是什么？
• 在嵌入式端部署模型时，你遇到过哪些挑战？如何解决？