ML-инженер

Мы разрабатываем систему видеоаналитики на базе камер наблюдения. Ищем ML Engineer / Computer Vision Engineer, который будет заниматься детекцией, классификацией, распознаванием и трекингом объектов на видеопотоках.

Основные задачи:

— разработка и обучение моделей детекции объектов на изображениях и видео;

— настройка распознавания различных типов объектов и событий;

— разработка решений для детекции и распознавания автомобильных номеров;

— работа с видеопотоками с камер наблюдения;

— подготовка, разметка и обработка датасетов;

— дообучение и fine-tuning существующих моделей под наши задачи;

— оценка качества моделей и подбор оптимальных метрик;

— оптимизация моделей для работы в режиме реального времени;

— снижение количества false positive / false negative срабатываний;

— реализация object tracking между кадрами;

— интеграция ML-моделей в production-сервисы;

— оптимизация inference под GPU и ограниченные вычислительные ресурсы.

Что ожидаем:

— коммерческий опыт в Machine Learning / Computer Vision;

— уверенное знание Python;

— опыт работы с PyTorch;

— практический опыт с моделями object detection;

— понимание архитектур YOLO, Faster R-CNN, SSD или аналогичных;

— опыт работы с OpenCV;

— понимание принципов object tracking;

— опыт работы с изображениями и видеопотоками;

— знание основных метрик Computer Vision: Precision, Recall, F1, IoU, mAP;

— опыт подготовки и аугментации датасетов;

— Git, Docker.

Будет большим плюсом:

— опыт работы с YOLOv8 / YOLO11 или другими современными YOLO-моделями;

— опыт построения ANPR / LPR-систем для распознавания автомобильных номеров;

— опыт работы с OCR: PaddleOCR, EasyOCR, Tesseract или аналогичными решениями;

— ByteTrack, DeepSORT, BoT-SORT;

— ONNX, TensorRT;

— NVIDIA CUDA;

— оптимизация моделей под real-time inference;

— опыт работы с RTSP-потоками;

— FFmpeg / GStreamer;

— опыт работы с несколькими камерами одновременно;

— опыт edge inference;

— работа с NVIDIA Jetson или другими edge-устройствами;

— опыт построения систем видеоаналитики в production. Примеры задач проекта:

— обнаружение людей и транспорта;

— детекция автомобилей в видеопотоке;

— обнаружение автомобильного номера в кадре;

— распознавание символов государственного регистрационного номера;

— привязка распознанного номера к конкретному автомобилю;

— отслеживание автомобиля между кадрами;

— сохранение времени, камеры и события, связанного с обнаруженным номером;

— определение различных типов объектов в кадре;

— отслеживание объектов между кадрами;

— обнаружение появления или исчезновения объекта;

— контроль нахождения объектов в заданных зонах;

— подсчёт объектов;

— определение пересечения виртуальных линий;

— формирование событий и уведомлений на основе результатов анализа видеопотока.

Стек:Python, PyTorch, YOLO, OpenCV, ONNX, TensorRT, Docker, CUDA, FFmpeg / GStreamer, RTSP.

Ищем человека, которому интересно не просто обучать модели на готовых датасетах, а создавать полноценную систему компьютерного зрения, работающую с реальными камерами и видеопотоками в production.

Условия:

— формат работы: гибридный;

— занятость: полная;

— уровень заработной платы обсуждается индивидуально и определяется по результатам собеседования, с учётом опыта, технического уровня и компетенций кандидата.