C++ / Computer Vision / YOLO Engineer

Локація: Україна
Формат роботи: віддалено або проєктна співпраця
Зайнятість: проєктна / повна за домовленістю
Компанія: Acrontis

Кого шукаємо

Потрібен програміст / інженер Computer Vision, який має практичний досвід з YOLO: навчанням, донавчанням, підготовкою датасетів, експортом моделей та запуском інференсу на edge-пристроях.

Навчання нейронної мережі може виконуватися на будь-якій придатній машині: локальному ПК, сервері, GPU-станції або в хмарі. Цільова платформа для запуску готової моделі — Raspberry Pi 5 або Orange Pi.

Завдання — підготувати, навчити або адаптувати YOLO-модель та реалізувати програмне рішення відповідно до наданого технічного завдання. Повне ТЗ буде передано кандидату після попереднього відбору.

Основні задачі

• Навчання, донавчання або адаптація YOLO-моделі під задані класи об’єктів.
• Підготовка датасету: перевірка розмітки, структури класів, балансу класів, якості зображень.
• Експорт та оптимізація моделі для подальшого запуску на ARM/Linux-пристрої.
• Запуск інференсу на Raspberry Pi 5 або Orange Pi.
• Розробка або доопрацювання C++ Linux-сервісу для локального запуску моделі.
• Забезпечення стабільної роботи сервісу на цільовому пристрої без Python-залежностей.
• Тестування точності, швидкодії та стабільності роботи моделі.
• Підготовка install-kit або інструкції для встановлення на Linux.
• Передача вихідного коду, моделі, конфігурацій та короткої технічної документації.

Обов’язкові вимоги

• Практичний досвід з YOLO: навчання, донавчання, експорт, тестування.
• Досвід роботи з Computer Vision та object detection.
• Досвід роботи з Linux.
• Знання C++ на рівні розробки прикладного сервісу.
• Розуміння запуску інференсу на Raspberry Pi 5, Orange Pi або інших ARM/Linux-платформах.
• Розуміння форматів моделей, preprocessing/postprocessing, confidence filter, NMS.
• Вміння оптимізувати модель і сервіс під обмежені ресурси edge-пристрою.
• Вміння працювати з технічним завданням без постійного уточнення базових речей.
• Готовність передати повний результат роботи: код, модель, конфіги, інструкцію.

Бажано

• Досвід з NCNN, ONNX, TensorRT, OpenVINO або іншими inference-фреймворками.
• Досвід оптимізації моделей під CPU/ARM.
• Досвід роботи з systemd-сервісами.
• Досвід створення API або локальних сервісів для обробки зображень.
• Досвід роботи з CMake.
• Розуміння BMP, JPEG, RGB buffer, TCP socket, HTTP API.
• Досвід запуску нейромереж без OpenCV та без Python на цільовому пристрої.

Що потрібно зробити в межах проєкту

• Ознайомитися з ТЗ.
• Запропонувати технічний план виконання.
• Підготувати або навчити YOLO-модель.
• Експортувати модель у формат, придатний для запуску на цільовій платформі.
• Забезпечити запуск готової моделі на Raspberry Pi 5 або Orange Pi.
• Реалізувати програмну частину згідно з ТЗ.
• Провести тестування на реальних або наданих зображеннях.
• Надати готовий комплект для встановлення та перевірки.
• Передати всі вихідні матеріали замовнику.

Результат, який очікуємо

На виході має бути робоче рішення, яке можна встановити на Linux-пристрій, запустити як сервіс і використовувати для локального розпізнавання об’єктів.

Навчання моделі може виконуватися поза цільовим пристроєм. На Raspberry Pi 5 або Orange Pi має стабільно працювати саме готовий inference-сервіс.

Рішення має бути оформлене так, щоб його можна було перевірити, повторно встановити та передати іншому технічному спеціалісту.

Як відгукнутися

У відгуку потрібно коротко вказати:

1. Які YOLO-моделі ви навчали або донавчали.
2. Де виконували навчання: локальний ПК, сервер, GPU-станція, хмара.
3. На яких пристроях запускали інференс.
4. Чи працювали з Raspberry Pi 5 або Orange Pi.
5. Чи є досвід з C++, Linux, systemd, CMake.
6. Чи є досвід оптимізації моделей під ARM/Linux.
7. Приклади схожих задач або короткий опис релевантного досвіду.
8. Орієнтовний строк виконання після отримання повного ТЗ.

Кандидати без практичного досвіду навчання YOLO або запуску object detection на edge-пристроях не розглядаються.