美团无人车业务部-视觉算法专家
社招全职5年以上无人车业务部地点：北京状态：招聘
任职要求
1.硕士研究生及以上学历，计算机、人工智能、图像处理、自动驾驶等相关专业。 2. 具有优秀的编程能力，熟悉PyTorch、Tensorflow等深度学习框架，能熟练进行模型研发和测试； 3. 具备一定的科研能力，能够承担科研探索工作和先进技术落地推进工作…
登录查看完整任职要求
微信扫码，1秒登录
工作职责
1. 负责建设基于视觉的感知算法，并以视觉为出发点，通过提升感知算法效果，提升无人车整体算法效果。 2. 负责建设虚实结合的视觉数据生成算法链路。
包括英文材料
学历+
图像处理+
https://opencv.org/blog/computer-vision-and-image-processing/
This fascinating journey involves two key fields: Computer Vision and Image Processing.
https://www.geeksforgeeks.org/python/image-processing-in-python/
Image processing involves analyzing and modifying digital images using computer algorithms.
https://www.youtube.com/watch?v=kSqxn6zGE0c
In this Introduction to Image Processing with Python, kaggle grandmaster Rob Mulla shows how to work with image data in python!
自动驾驶+
https://www.youtube.com/watch?v=_q4WUxgwDeg&list=PL05umP7R6ij321zzKXK6XCQXAaaYjQbzr
Lecture: Self-Driving Cars (Prof. Andreas Geiger, University of Tübingen)
https://www.youtube.com/watch?v=NkI9ia2cLhc&list=PLB0Tybl0UNfYoJE7ZwsBQoDIG4YN9ptyY
You will learn to make a self-driving car simulation by implementing every component one by one. I will teach you how to implement the car driving mechanics, how to define the environment, how to simulate some sensors, how to detect collisions and how to make the car control itself using a neural network.
PyTorch+
https://datawhalechina.github.io/thorough-pytorch/
PyTorch是利用深度学习进行数据科学研究的重要工具，在灵活性、可读性和性能上都具备相当的优势，近年来已成为学术界实现深度学习算法最常用的框架。
https://www.youtube.com/watch?v=V_xro1bcAuA
Learn PyTorch for deep learning in this comprehensive course for beginners. PyTorch is a machine learning framework written in Python.
TensorFlow+
https://www.youtube.com/watch?v=tpCFfeUEGs8
Ready to learn the fundamentals of TensorFlow and deep learning with Python? Well, you’ve come to the right place.
https://www.youtube.com/watch?v=ZUKz4125WNI
This part continues right where part one left off so get that Google Colab window open and get ready to write plenty more TensorFlow code.
还有更多 •••
相关职位
社招3年以上无人车业务部
负责在线建图项目中的数据闭环工作，确保数据的准确性和多样性，推动“轻地图”模式在自动车中的应用。 负责激光建图、视觉建图、SLAM等算法在业务数据中的落地，持续提升4D标注资料的精度和标注效率。 支持基于自动车采集数据的数据挖掘、自动标注、场景库构建等工作，提升数据的使用效率和价值。 利用建模和优化的方式，降低数据中的误差，提升数据的准确性。 支持4D标注系统的研发，推动建立产品化的4D标注系统，提升标注效率和精度。 持续关注轻地图模式在自动驾驶中的进展，基于已有人工、自动标注数据，进行SOTA技术落地推进。
更新于 2025-09-03北京|深圳