海康威视
海康微影-智能检测算法-杭州
海康微影-智能检测算法-杭州
发布于 大约 17 小时前普通员工/个人贡献者
杭州市
中级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
Pytorch
图像分割
嵌入式部署
模型压缩
目标检测
目标跟踪
知识蒸馏
AI 估算 · 15k–30k
基于杭州算法岗市场行情及海康平台，中级算法工程师薪资水平合理。
职位详情
关于这个职位
该职位主要负责红外智能检测算法的研发与优化，包括热成像防火、测温、目标检测等算法在嵌入式平台上的实现与落地
你将参与算法调研、模型训练、压缩部署以及现有算法维护，解决实际产品中的客诉问题
适合对计算机视觉和嵌入式优化有深厚兴趣的算法工程师
最低要求
熟悉C/C++、python编程，熟悉pytorch框架，熟悉linux开发环境
了解目标检测/分割/跟踪算法，能够根据实际需求训练及优化对应模型
了解视觉或多模态大模型知识迁移、蒸馏，有过相关开发经验的优先
有端侧、嵌入式、云端部署经验的优先
工作职责
负责红外智能检测算法调研、预研与设计
负责热成像防火、测温、目标检测类等算法开发和优化，并在嵌入式平台上实现
参与现有算法版本的维护与优化，客诉问题的分析与解决
优先资格
了解视觉或多模态大模型知识迁移、蒸馏，有过相关开发经验的优先
有端侧、嵌入式、云端部署经验的优先
AI 洞察
优缺点分析
优点
- 海康威视行业龙头，平台大，技术积累深厚
- 团队研发氛围好，有较多项目落地机会
- 算法研发周期较长，需要耐心反复调试
- 嵌入式部署对资源要求高，需兼顾性能与精度
- 可能需要处理复杂客诉问题，对问题定位能力要求高
- 适合对计算机视觉和嵌入式优化有浓厚兴趣，喜欢深入研究算法细节的工程师
缺点 / 挑战
- 涉及红外热成像等前沿领域，技术挑战性强
角色解读
- 从算法工程师成长为红外检测领域的算法专家
- 逐步转向系统架构设计或团队管理岗位
- 向多模态大模型、边缘AI等前沿方向拓展
- 调研和设计红外智能检测算法，如热成像防火、测温等
- 开发算法并在嵌入式平台上实现，完成模型训练、优化与部署
- 维护现有算法版本，分析和解决客诉问题
- 精通C/C++、Python及PyTorch框架，熟悉Linux开发环境
- 掌握目标检测/分割/跟踪算法，能够独立训练和优化模型
- 了解视觉或多模态大模型的知识迁移和蒸馏技术
- 具备嵌入式或云端部署经验，能够优化算法在资源受限平台的性能
申请策略
- 关注海康威视在红外领域的业务进展，面试时展现对产品的理解
- 准备一个完整的算法项目案例，从调研、开发到部署的全流程
- 突出相关项目经验，尤其是红外热成像或目标检测类项目
- 强调C++/Python编程能力和PyTorch框架的使用经验
- 如有模型压缩、知识蒸馏或嵌入式部署经验务必写明
- 展示算法优化和问题解决的实际案例
- 补充嵌入式系统开发知识，如ARM或NPU上的算法优化
- 学习大模型蒸馏和量化技术，掌握模型轻量化方法
面试指南
- 对于项目经验问题，使用STAR法则（情境、任务、行动、结果）结构化回答
- 对于技术原理问题，先解释概念再结合实际例子
- 对于优化类问题，给出具体策略如模型剪枝、量化、蒸馏，并说明效果
- 介绍一下你在目标检测/分割方面的项目经验？
- 如何将PyTorch模型部署到嵌入式平台？
- 知识蒸馏的原理及你在项目中的应用？
- 如何处理模型在嵌入式设备上的实时性和精度平衡？
- 你对红外图像处理有哪些了解？
职位点评
76
综合评分
算法前沿、平台大、薪资市场水准，但需现场办公加班情况不明
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
最重视技术成长和前沿挑战的求职者
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展85
工作生活60
使命价值70
薪资福利
80较高
海康威视作为上市公司，薪资具有市场竞争力，福利完善，但JD未明确福利细节。
薪资信号市场水准 (15K-30K/月)
成长发展
85较高
职位涉及红外智能检测前沿技术，技术栈新，成长空间大，但JD未明确晋升路径。
技术前沿前沿/新兴技术
技术栈C/C++、Python、PyTorch、Linux、目标检测、图像分割、目标跟踪、知识蒸馏、嵌入式开发
业务类型ambiguous
工作生活
60中等
现场办公，未提及弹性工作或远程，加班情况不明，整体灵活性一般。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
红外检测应用于防火测温，具有社会价值；行业稳定，技术创新活跃，但JD未强调使命。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
海康威视 的其他在招职位
相似职位推荐
Watch Jobs