自动标注算法工程师（Tracking方向）_XC

构建面向自动驾驶的 智能自动标注系统 ，通过融合检测、分割与多目标跟踪（MOT）算法，实现视频与点云数据的时序级自动标注与一致性维护。聚焦于 Tracking 算法的设计与工程落地 ，目标是提升自动标注的时序连贯性、精度与自动化水平，为感知模型训练提供高质量结构化数据。

主要职责

• 负责视频及点云数据的 多目标跟踪算法（MOT / MOTS / 3D-MOT ） 研发与优化；
• 设计 跨帧 ID 关联、遮挡恢复、轨迹插补、一致性维护 等自动标注核心算法；
• 研究 ReID 、运动建模（Motion Model ）、轨迹融合（Track Fusion ） 等方法，提升标注稳定性与连续性；
• 将 Tracking 模块与 Detection / Segmentation 模型输出 融合，形成可闭环自动标注方案；
• 构建 Auto-QA （自动质检）与异常检测 模块，实现标注一致性与质量可控；
• 优化推理性能与数据吞吐，支持高并发生产部署；
• 与感知、仿真、数据挖掘团队协作，推动自动标注系统的算法标准化与生产落地。
• 硕士及以上学历，计算机科学、人工智能、自动化、电子信息等相关专业；
• 扎实的 计算机视觉 / 深度学习 / 时序建模 理论基础；
• 熟悉主流 Tracking 算法（DeepSORT、ByteTrack、BoT-SORT、OC-SORT、CenterTrack、FairMOT、TrackEval 等）；
• 理解 Tracking 与 Detection / Segmentation 联动机制 ，具备完整 pipeline 实践经验；
• 良好的工程实现能力与代码规范。

加分项（Highly Preferred ）：

• 熟悉 3D Tracking / Multi-Sensor Fusion （Camera + LiDAR + Radar）；
• 熟悉主流检测与分割模型（YOLO, DETR, Mask2Former, Segment Anything 等）；
• 具备 自动标注产线 或 数据生产系统 实际参与经验；
• 掌握模型推理加速、轻量化、多GPU并行部署；

有学术发表（CVPR / ICCV / ECCV / NeurIPS）或开源项目贡献经验。