разработчик компьютерного зрения для видеоаналитики

Ищем программиста со знанием OpenCV, YOLO и нейросетевых моделей компьютерного зрения для работы с видео-аналитикой и обучения ИИ-моделей анализа видео. Нужно разработать модуль анализа видео, который принимает видеопоток с камеры, обнаруживает нужные объекты, отслеживает их движение и формирует результат в виде структурированных данных. Также требуется обучить или дообучить модель под конкретные объекты и сценарии. Ожидаемый результат: рабочий прототип анализа видео; обученная или дообученная модель YOLO; инструкция по запуску и обучению; скрипты для инференса, тестирования и оценки качества; возможность интеграции результата в основное приложение.

• Разработка системы анализа видеопотока с камер.
• Детекция, классификация и трекинг объектов на видео.
• Работа с моделями YOLO: обучение, дообучение, тестирование и оптимизация.
• Подготовка датасетов: сбор, разметка, очистка, аугментация данных.
• Настройка пайплайна обучения модели: train / validation / test.
• Оптимизация модели под работу в реальном времени.
• Интеграция видеоаналитики в существующее приложение или сервер.
• Работа с RTSP/IP-камерами, видеопотоками, файлами и кадрами.
• Вывод результатов анализа: координаты объектов, классы, confidence, события, логи.

• Python, OpenCV, YOLO: YOLOv5 / YOLOv8 / YOLOv10 / YOLOv11 или аналогичные модели; PyTorch или другой ML-фреймворк; Linux, Git.
• Опыт обучения и дообучения моделей компьютерного зрения.
• Понимание принципов object detection, classification, tracking.
• Умение работать с датасетами и инструментами разметки.
• Умение давать реалистичную оценку сроков разработки в часах с учетом технических рисков, неопределенностей и этапов реализации.
• Можете в короткие сроки разработать рабочий MVP и последовательно улучшить модель до нужных метрик качества, надежности и производительности.
• Будет плюсом: Работа с видео: RTSP, IP-камеры, FFmpeg / GStreamer будет плюсом; Оптимизация моделей: ONNX, TensorRT, CUDA; Работа с edge-устройствами: Raspberry Pi, Orange Pi, Jetson, промышленные mini-PC; Опыт ускорения инференса на CPU/GPU/NPU; ByteTrack, DeepSORT, SORT или другие алгоритмы трекинга; Docker; FastAPI / Flask / Node.js для интеграции модели в сервер; Опыт построения систем видеоаналитики в реальном времени

• Проектная или постоянная работа.
• На время ИС 5/2 работа на месте производства в п. Мосрентген, после ИС можно также работать из офиса на м. Калужская.
• Оплата обсуждается по результатам собеседования и оценки объема задач.