岗位职责 1．负责轻量化目标检测模型（如YOLO系列）的训练、验证与调优工作，独立完成从模型搭建到效果验证的全流程实践。 2．聚焦表计识别、OCR或工业视觉相关场景，基于现有模型进行改进与优化，重点提升表计读数等核心场景的识别准确率与鲁棒性。 3．熟悉数据标注规范、数据清洗、样本增强等操作，能构建高质量数据集。 4．负责模型效果问题的定位与排查，针对识别精度不足、泛化能力差等问题，提出并落地可行的优化方案。 5．沉淀算法实践经验，梳理可复用的模型训练流程、调优方法及技术文档，为团队技术积累与效率提升提供支持。 6．关注行业前沿技术动态，探索新的算法、模型或策略在图像识别场景的应用可能性。 任职要求 1．本科及以上学历，计算机科学与技术、电子信息工程、自动化、数学等相关专业，具备扎实的机器学习、深度学习理论基础。 2．熟悉YOLO系列等轻量化目标检测模型的原理与应用，具备独立完成模型训练、验证与调优的实践能力。 3．具备表计识别、OCR或工业视觉方向相关项目经验（包括课程设计、毕业设计、竞赛或实习经历）者优先，了解相关场景的技术难点与优化思路。 4．熟悉数据标注规范制定、数据清洗、样本增强等数据处理操作，了解数据集构建的核心要点与质量把控方法。 5．具备较强的问题排查与分析能力，能快速定位模型效果不佳的原因，并提出合理的优化方案。 6．熟练使用Python编程语言，掌握PyTorch/TensorFlow等深度学习框架，熟悉OpenCV等图像处理工具。 7．具备良好的逻辑思维能力、算法实践能力和团队协作精神，有较强的学习能力与抗压能力，乐于接受技术挑战。 8．有表计识别类的经验、有相关算法竞赛获奖经历、学术论文发表或开源项目贡献者优先。