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:
Які YOLO-моделі ви навчали або донавчали.
Де виконували навчання: локальний ПК, сервер, GPU-станція, хмара.
На яких пристроях запускали інференс.
Чи працювали з Raspberry Pi 5 або Orange Pi.
Чи є досвід з C++, Linux, systemd, CMake.
Чи є досвід оптимізації моделей під ARM/Linux.
Приклади схожих задач або короткий опис релевантного досвіду.
Орієнтовний строк виконання після отримання повного ТЗ.
Кандидати без практичного досвіду навчання YOLO або запуску object detection на edge-пристроях не розглядаються.
