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;