Nantian Information 算法 jobs (salary & requirements)

核心职责
1. OCR与文档信息抽取，研发高精度文字检测与识别模型，支持复杂场景（遮挡、弯曲文本、多语言）下的票据、证件、档案等文档的结构化识别。
设计基于版式解析的键值对抽取算法，结合文档结构（如表格、篇章布局）实现语义实体识别（SER）与关系抽取（RE），提升关键信息提取准确率。
2. 目标检测与物品识别 ，开发通用目标检测算法（如YOLO系列、Faster R-CNN），应用于静态图像与动态视频中的多类别物体定位与识别。优化模型在遮挡、小目标、复杂背景下的鲁棒性，并适配边缘计算设备（Jetson、NPU等）部署。
3. 视频处理技术，构建视频分析管道，实现动态场景中的多目标跟踪（MOT）、行为识别及时序特征提取。熟练运用视频编解码标准（H.264/H.265）及处理工具（FFmpeg、OpenCV）。
4. 大模型技术应用，探索多模态大模型（如LayoutXLM、ViT）在文档理解、视觉推理中的落地，集成SAM（分割一切模型）、DINO等自监督模型解决少样本或零样本检测任务。
5. 全流程工程落地 ，负责从数据标注、模型训练、评估到推理加速（ONNX、TensorRT）的端到端实现，确保算法在工业场景中的高效稳定。
6. 容器化部署与工程优化​，使用Docker实现算法模型的容器化封装，确保环境一致性，并通过Kubernetes管理容器集群，实现资源调度与弹性伸缩 。
任职要求
1、计算机、人工智能、电子工程等相关专业硕士及以上学历，3年以上CV算法研发经验；优秀本科生可放宽要求。
2、精通Python/C++，熟练使用PyTorch、TensorFlow等深度学习框架。
3、熟悉OpenCV、Halcon等图像处理库，及OpenVINO、TensoRT等推理引擎。
4、扎实的图像处理与深度学习基础，熟悉CNN、Transformer等网络结构，熟悉YOLO系列算法并进行过优化。理解文档结构分析（如LayoutLM、GCN方法）或目标跟踪算法（如DeepSORT、ByteTrack）。
5、具备模型压缩（剪枝、量化）、多平台部署经验，熟悉COCO、MOT等数据集评估标准。
6、在OCR、KIE、目标检测等领域有顶级会议（CVPR、ICCV等）论文或开源项目贡献，熟悉多模态融合、强化学习等扩展技术，具备金融、安防、工业检测等项目经验，强烈的技术热情，良好的逻辑思维和团队协作能力，能独立攻克技术难点。