【创新业务】图像处理工程师（重庆）(J53473)

优缺点分析

角色解读

• 技术专家路线：深耕工业视觉和AI算法，成为该领域的资深专家或架构师
• 技术管理路线：带领小团队负责特定产品或技术方向的研发
• 业务拓展路线：从算法研发转向更综合的工业AI解决方案设计或产品规划
• 开发工业视觉质检系统的算法，利用计算机视觉技术实现自动化检测
• 研究和实现目标检测、图像分割等核心算法，并进行性能优化
• 主导从算法设计、编码实现到测试文档的全流程开发工作
• 推动前沿AI技术（如多模态大模型）在工业制造场景的落地应用
• 精通C++和Python编程，熟悉数据结构与算法
• 掌握计算机视觉核心算法（检测、分割、识别）和至少一种深度学习框架
• 理解多模态大模型技术（如预训练、微调）和模型轻量化方法
• 具备良好的工程能力和问题解决能力，能够独立负责模块开发

申请策略

• 提前了解京东方在显示面板、智能制造领域的技术布局和产品，思考视觉技术如何赋能其业务
• 面试时准备好解释你的项目如何解决具体问题，尤其是涉及性能、精度或工程化挑战的部分
• 突出与计算机视觉、深度学习相关的课程设计、科研项目或竞赛经历
• 详细描述使用C++/Python进行算法开发和优化的实践经验
• 如有工业视觉、多模态大模型、模型量化等相关项目经验，需重点展示
• 强调独立解决技术难题的案例，体现问题解决能力和自驱力
• 深化C++编程和性能优化的能力，这是工业视觉系统稳定高效运行的关键
• 系统学习计算机视觉和多模态大模型的主流算法与框架，并尝试在开源项目中实践

面试指南

• 采用STAR法则（情境、任务、行动、结果）来结构化你的回答，突出个人贡献和技术细节
• 对于算法原理问题，结合具体应用场景（如工业质检）来阐述，体现你的理解深度和工程化思维
• 在回答系统设计问题时，从数据、算法、工程、部署等多个层面进行考虑，展示全面视角
• 请介绍一个你印象最深的计算机视觉项目，你是如何设计算法并解决其中技术难点的？
• 你如何理解目标检测或图像分割中的Anchor-based和Anchor-free方法？它们的优缺点是什么？
• 如果让你设计一个用于工业零件表面缺陷检测的系统，你会考虑哪些关键步骤和技术选型？
• 你对多模态大模型（如LLaVA）的原理有什么理解？如何将其应用于工业质检任务？
• 请描述一次你独立解决复杂技术问题的经历