# 我們在找的人（必備）
### 主要職責
- 設計與實作目標偵測、追蹤及狀態維持演算法
- 針對嵌入式平台進行模型優化與推論加速
- 建立影像處理管線，涵蓋可見光與熱像來源
- 定義感知模組與飛行控制之間的介面
- 建立效能量測基準與回歸測試機制
- 深度學習物件偵測／追蹤實作經驗（YOLO 家族、DETR、SSD、Siamese/transformer tracker 等其一以上），熟 PyTorch 佳。
- 邊緣／嵌入式部署實戰：在 ARM／Raspberry Pi／Jetson／MCU／NPU 上跑過模型並優化延遲與記憶體。
- 模型壓縮：量化、剪枝、蒸餾至少精通一項，理解其準確度取捨。
- 紮實的 Python 與 C／C++ 佳；能讀論文並復現、能量測（不只看 FLOPs，會看實測延遲）。
- 對「在受限硬體上把準確度與速度同時逼到極限」有熱情與品味。
# 你會做的事（Responsibilities）
- 打造在低成本、低功耗邊緣硬體（Raspberry Pi／ARM／MCU／小型 NPU 等級）上即時運行模型能力。
- 在嚴苛的運算、記憶體與功耗預算下維持準確度，於速度／精度／模型體積之間取得最佳平衡。
- 解決在受限硬體上的偵測挑戰，並與感測器／光學選型協同達成目標。
- 建立從資料、訓練到真機部署的完整流程：資料蒐集／生成、模型迭代，以及在目標硬體上的實機評測與最佳化。
- 面對真實場域條件（遮蔽、光線變化、通聯中斷）提升系統穩健度與可靠度，並提供可信的信心／棄權訊號。
- 調研與快速試作不同技術路線，透過實驗與量測協助團隊做技術選型（方法仍在探索中，重視實證與取捨判斷）。
- 深度學習框架：**PyTorch** 或 **TensorFlow**
- 電腦視覺：**OpenCV**
- 邊緣推論部署：**TensorRT**、**ONNX Runtime**、**NCNN**、**OpenVINO** 擇一以上實務經驗
- 模型優化：**INT8 量化**、剪枝、知識蒸餾
- 目標偵測與追蹤演算法實作經驗
此職缺面試流程採遠端線上面談，無實體會談
採線上遠端工作形式，固定每週線上會議
# 加分條件（Nice-to-have）
- 熱像／紅外線影像處理
- 多目標追蹤（MOT）、目標重識別（Re-ID）
- 視覺慣性里程計（VIO）或視覺 SLAM
- CUDA、NEON 或 NPU 層級的底層優化
- 低光源與運動模糊環境下的視覺處理經驗
- TinyML／MCU 經驗（TFLite-Micro、microTVM、CMSIS-NN、GAP9／MAX78000 類加速器）。
- 推論引擎底層：ncnn／TVM／OpenVINO／TensorRT、SIMD/NEON kernel 調校。
- 無人機／機器人／SLAM／VIO／光流 背景；ROS / ROS 2。
- 合成資料／生成模型（diffusion、domain randomization、sim-to-real）。
- 相機／光學／感測器整合（鏡頭選型、FOV/焦距、熱像 LWIR、多模態 RGB-T）。
- 小目標／航拍偵測（VisDrone/DOTA/SODA/AI-TOD 類資料集）經驗。
- 國防／雙用或關鍵任務系統經驗；對可靠度、失效模式、人在迴路設計有概念。
Benefits
其他福利
