Computer Vision Engineer

Ми — EVERSTAR, перша рекрутингова агенція в Mil Tech для тих, хто готовий створювати технологічне майбутнє.

Але досить про нас, розказуємо про головну роль.

Ця вакансія у R&D-команду, що розробляє та виробляє техніку й електронні рішення, які працюють на реальному полі бою, а не в красивих презентаціях для інвесторів.

Компанія швидко масштабується, вибудовує процеси та підсилює команди.

У зв’язку з розширенням R&D-відділу ми шукаємо Computer Vision Engineer
, чиї рішення будуть імплементовані в сотні тисяч продуктів, змінять хід історії та забезпечать технологічну перевагу України на десятиліття вперед.

• Імплементація та вдосконалення ML/DL алгоритмів для задач донаведення (Last Mile Targeting) із фокусом на детекцію та відстеження малих обʼєктів
• Розробка production-ready функціоналу: реалізація та оптимізація алгоритмів для роботи в реальному часі на цільовому залізі
• Інтеграція та продуктизація готових DL-моделей: реалізація прикладної логіки поверх інференсу (логіка прийняття рішень, обробка послідовностей кадрів, фільтрація та валідація результатів, крайові випадки), доведення рішення від моделі до стабільного production-функціоналу на цільовому залізі.
• Відстеження актуальних досліджень і SOTA-підходів, аналіз наукових публікацій, прототипування та експериментальна перевірка нестандартних рішень для покращення якості CV/ML-алгоритмів
• Технічне лідерство: участь в архітектурних рішеннях, code review, менторство middle-інженерів.

• 5+ років практичного досвіду розробки CV/ML-алгоритмів для задач детекції, сегментації, трекінгу тощо.
• Впевнене володіння сучасним C++ (C++14/17): досвід розробки production-коду, керування памʼяттю, багатопотоковість, оптимізація продуктивності.
• Глибока експертиза в класичному CV, доповнена DL-підходами
• Експертиза в оцінці руху та стабілізації: dense/sparse optical flow, оцінка ego-motion, компенсація руху платформи та реєстрація кадрів (frame registration) для відокремлення руху обʼєкта від руху камери.
• Методи виявлення малих/слабоконтрастних обʼєктів.
• Робастні геометричні методи: оцінка гомографії, RANSAC та інші робастні естиматори, епіполярна геометрія, вирівнювання й warping зображень.
• Класичні підходи до трекінгу та суповідання цілей: кореляційні трекери, Kalman / particle filtering, data association (Hungarian, JPDA), а за потреби — track-before-detect для дуже малих обʼєктів.
• Практичний досвід роботи з PyTorch,…