О проекте
Основная задача — анализ видеопотоков с камер наблюдения, обнаружение объектов, распознавание действий людей и выявление подозрительных сценариев поведения.
Мы разрабатываем собственные алгоритмы компьютерного зрения, а не просто интегрируем готовые модели.
Основные обязанности
- Исследование и разработка алгоритмов компьютерного зрения для анализа видеопотоков.
- Разработка и обучение моделей обнаружения и классификации объектов.
- Разработка алгоритмов распознавания действий человека (Human Action Recognition).
- Анализ пространственно-временных зависимостей между объектами и действиями.
- Подготовка, очистка и разметка датасетов для обучения моделей.
- Экспериментирование с различными архитектурами нейронных сетей и подходами к решению задач.
- Оценка качества моделей, анализ ошибок и поиск способов повышения точности.
- Оптимизация моделей для работы в режиме реального времени.
- Подготовка обученных моделей к интеграции в промышленную систему.
Обязательные требования
- Коммерческий или подтверждённый практический опыт разработки решений Computer Vision.
- Уверенное владение Python.
- Практический опыт работы с PyTorch.
- Понимание архитектур CNN и Transformer.
- Опыт работы с задачами Object Detection и Object Classification.
- Понимание методов обработки и анализа видеоданных.
- Понимание принципов Temporal Modeling и Video Action Recognition.
- Опыт подготовки датасетов, обучения и оценки моделей.
- Понимание основных метрик качества моделей: Precision, Recall, F1-score, mAP.
- Умение анализировать ошибки моделей и проводить экспериментальные исследования.
- Будет преимуществом
- Практический опыт Human Action Recognition.
- Опыт работы с Temporal Action Localization.
- Опыт распознавания взаимодействий человека с объектами (Human-Object Interaction).
- Знание архитектур SlowFast, X3D, Video Swin Transformer, TimeSformer, VideoMAE.
- Опыт работы с OpenCV.
- Опыт работы с YOLO и современными архитектурами Object Detection.
- Опыт работы с multi-object tracking.
- Опыт работы с видеонаблюдением и RTSP-потоками.
- Опыт оптимизации моделей для NVIDIA GPU.
- Знание ONNX и TensorRT.
- Опыт работы с NVIDIA Jetson.
Дополнительные качества
- Способность самостоятельно исследовать новые подходы и выбирать подходящие архитектуры.
- Умение работать с неполными и несбалансированными датасетами.
- Способность объяснять результаты экспериментов и обосновывать технические решения.
- Умение доводить исследовательские прототипы до стабильных инженерных решений.
- Готовность работать с реальными видеозаписями, в которых присутствуют шумы, перекрытия объектов и нестандартные ситуации.
Условия и формат работы
Обсуждаются индивидуально.