高德-视觉算法高级工程师/专家（感知识别方向）-视觉技术中心（急招）

优缺点分析

角色解读

• 在技术深度上，可成为视觉感知领域的专家，主导核心算法方向，发表顶级论文
• 在管理路径上，可逐步带领团队，负责更大范围的算法模块或产品线
• 跨领域发展：横向扩展到自动驾驶、机器人等领域的视觉算法岗位
• 作为核心算法模块负责人，主导车道级视觉定位算法的研发与落地，解决实际导航场景中的视觉感知问题
• 与产品、工程、测试等团队紧密配合，将算法集成到导航系统中，并持续优化性能
• 跟踪前沿技术，将最新研究成果应用到产品中，提升导航体验
• 扎实的深度学习基础，精通目标检测、分割、跟踪等常见视觉任务的理论与实践
• 熟练掌握C++/Python，具备良好的编程和工程能力，能独立实现和调试算法
• 对车道线等道路目标感知有实际经验，熟悉模型轻量化、移动端部署技术
• 具备较强的逻辑分析和问题解决能力，能快速定位并解决算法在实际场景中的问题

申请策略

• 申请时关注高德地图的技术博客或开源项目，了解团队风格和技术栈
• 在面试中重点展示你如何将学术算法转化为工程落地的案例
• 突出你在大规模视觉感知项目中的实际落地经验，尤其是车道线检测、目标跟踪等相关项目
• 强调C++/Python的工程能力，以及模型轻量化、移动端部署的经验
• 如有CVPR/ICCV等顶会论文，务必列出并简述贡献
• 展现团队管理或项目管理经验，即使是兼职也可提及
• 如果缺乏地图或自动驾驶行业背景，可提前了解相关基础知识，如高精地图、定位技术等
• 复习经典视觉感知算法的原理和优缺点，尤其是YOLO、Mask R-CNN、DeepSORT等

面试指南

• 项目介绍可以采用STAR法则：背景、任务、行动、结果，突出数据指标和技术难点
• 技术问题先讲原理，再结合实际场景分析优缺点，最后给出改进思路
• 协作问题强调沟通、优先级管理和结果导向
• 请详细介绍一下你做过的一个视觉检测项目，包括技术选型、效果优化和落地挑战
• 车道线检测的常见方法有哪些？如何应对复杂场景（如夜晚、雨天、遮挡）？
• 你如何权衡模型精度和推理速度？请举例说明你做的模型轻量化工作
• 在跨部门协作中，当算法效果和业务需求冲突时，你如何推动解决？
• 请介绍一篇你读过的CV顶会论文，并说明其在实际场景中的可应用性