地平线视觉深度学习算法数据实习生（静态要素方向）
任职要求
1、计算机视觉、模式识别、机器学习、电子信息、机器人等相关专业的硕士/博士在读； 2、掌握一种以上的深度学习训练框架（Pytorch, MXNet, Tensorflow…）； 3、深…
工作职责
1、负责ADAS、城区/高速NOA场景下的感知算法研发，包含交通灯、标识牌检测等空中要素检测工作； 2、负责核心算法或模型的原创设计以及工程化落地，如模型优化、评测体系化构建、case迭代等； 3、掌握数据挖掘、标注、训练、部署及badcase回归等闭环链路，并伴随业务开展持续优化； 4、掌握通过数据闭环持续迭代模型的能力；
1、负责ADAS、城区/高速NOA场景下的感知算法研发，包含交通灯、标识牌检测等空中要素检测工作; 2、探索2D\3D的检测，以及时序和多传感器融合算法； 3、负责核心算法或模型的原创设计以及工程化落地，如模型优化、评测体系化构建、case选代等; 4、掌握教据挖掘、标注、训练、部署及badcase回归等闭环链路，并伴随业务开展持续优化: 5、掌握通过数据闭环持续迭代模型的能力;
1、负责ADAS、城区/高速NOA场景下的感知算法研发，包含交通灯、标识牌检测等空中要素检测工作; 2、探索2D\3D的检测，以及时序和多传感器融合算法； 3、负责核心算法或模型的原创设计以及工程化落地，如模型优化、评测体系化构建、case选代等; 4、掌握教据挖掘、标注、训练、部署及badcase回归等闭环链路，并伴随业务开展持续优化: 5、掌握通过数据闭环持续迭代模型的能力;
1、探索vla模型在复杂路口的场景理解能力以及对下游决策模块的提升； 2、负责核心算法或模型的原创设计以及工程化落地，如模型优化、评测体系化构建、case迭代等； 3、掌握数据挖掘、标注、训练、部署及badcase回归等闭环链路，并伴随业务开展持续优化； 4、掌握通过数据闭环持续迭代模型的能力；
1.负责城区/高速NOA场景下的感知算法研发，包含车道线、道路边界、地面箭头等路面静态要素检测工作； 2.探索先验地图前融合算法来提升遮挡、复杂路口以及超视距区域感知能力上限； 3.探索LLM和检测模型结合提高道路场景理解能力； 4.负责核心算法或模型的原创设计以及工程化落地，如型优化、评测体系化构建、case迭代等； 5.掌握数据挖掘、标注、训练、部署及badcase回归等闭环链路，并伴随业务开展持续优化； 6.掌握通过数据闭环持续迭代模型的能力。