大华
校招【研发中心】2027届图像算法工程师(J24404)
杭州 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 1、统招全日制硕士及以上学历，计算机视觉、图像信号处理、电子工程、光学工程、人工智能等相关专业
- 2、具有较好的数学功底以及良好的英文文献阅读能力
- 3、具备扎实的传统图像处理与深度学习基础
- 4、有C/C++、Python编程能力
- 5、对技术有钻研精神，擅于总结，愿意分享，积极主动。
- 以下属于加分项：
- 1、有图像像素域的全链路深度学习处理算法相关经验优先，包括但不限于：图像降噪、超分、HDR、图像生成、图像融合配准、图像质量评价等
- 2、有相关领域顶级会议或期刊论文发表经验者优先；有NTIRE等Low-Level国际竞赛获奖经历者优先
- 3、掌握X86/ARM/GPU/DSP等嵌入式代码优化技能
- 4、具备模型部署优化经验。
岗位描述
- 1、负责安防行业图像领域相关算法预研、方案设计、实现落地与维护工作，聚焦底层像素级图像画质提升；
- 2、了解领域内最新技术动态，跟踪相关技术进展并复现；
- 3、建立像素级图像质量主客观评价体系，驱动算法迭代优化；
- 4、负责模型在端侧NPU/GPU上的轻量化设计与高效部署，确保算法在资源受限设备上的实时性与稳定性。
- 1、统招全日制硕士及以上学历，计算机视觉、图像信号处理、电子工程、光学工程、人工智能等相关专业；
- 2、具有较好的数学功底以及良好的英文文献阅读能力；
- 3、具备扎实的传统图像处理与深度学习基础；
- 4、有C/C++、Python编程能力；
- 5、对技术有钻研精神，擅于总结，愿意分享，积极主动。
以下属于加分项：
- 1、有图像像素域的全链路深度学习处理算法相关经验优先，包括但不限于：图像降噪、超分、HDR、图像生成、图像融合配准、图像质量评价等；
- 2、有相关领域顶级会议或期刊论文发表经验者优先；有NTIRE等Low-Level国际竞赛获奖经历者优先；
- 3、掌握X86/ARM/GPU/DSP等嵌入式代码优化技能；
- 4、具备模型部署优化经验。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。