Mid Computer Vision Engineer — Edge Computing

O projekcie

Rozwijamy rozwiązanie do monitorowania przestrzeni na stoiskach targowych i podczas wydarzeń na podstawie obrazu z kamer sieciowych. System obejmuje m.in. odbiór strumieni wideo, kalibrację sceny, wykrywanie i śledzenie osób oraz prezentację wyników operatorowi. Priorytetem jest stabilność działania na żywo, niskie opóźnienia oraz szybkie, powtarzalne wdrożenia na sprzęcie u klienta (środowisko brzegowe), bez uzależnienia od chmury w podstawowym modelu.

Modele detekcyjne działają lokalnie w oparciu o PyTorch z wykorzystaniem CUDA na GPU, z użyciem rozwiązań typu YOLO. Platformą docelową wdrożeń są m.in. komputery brzegowe z GPU oraz NVIDIA Jetson.

Projekt jest na wczesnym etapie rozwoju produktu, z jasno określonym kierunkiem technicznym i dużą przestrzenią do wpływu na architekturę, pipeline oraz dobór sprzętu.

To rola nastawiona przede wszystkim na applied computer vision i produkcyjne wdrożenia, a nie na research akademicki. Duży nacisk kładziemy na stabilność pipeline’u, opóźnienia, diagnostykę i działanie systemu w rzeczywistych warunkach.

Zakres obowiązków

• Projektowanie i rozwój modułów analizy obrazu wideo w języku Python.

• Praca z biblioteką OpenCV: przechwytywanie obrazu, transformacje geometryczne, homografia.

• Integracja strumieni z kamer (RTSP), obsługa problemów sieciowych i buforowania.

• Trening i inferencja modeli detekcji w oparciu o PyTorch oraz modele typu YOLO — wybór urządzenia (CUDA / CPU), dbanie o wydajność i stabilność w czasie rzeczywistym.

• Przygotowanie i prowadzenie wdrożeń produkcyjnych na infrastrukturze u klienta, w tym uruchomienia w środowisku edge.

• Współpraca przy doborze rozwiązań technicznych dotyczących pipeline’u, sprzętu oraz sposobu wdrażania.

• Dbanie o jakość kodu: struktura, obsługa błędów, testy tam, gdzie mają sens.

• Współpraca przy elementach backendu i interfejsu operatorskiego — bez wymogu pełnego stacku aplikacyjnego.

• Testy w realnych warunkach, walidacja jakości detekcji i trackingu, kalibracja sceny oraz analiza przypadków brzegowych związanych z ustawieniem kamer, oświetleniem i obciążeniem sprzętu.

Wymagania

• Co najmniej kilkuletnie doświadczenie komercyjne z Pythonem na poziomie produkcyjnym.

• Praktyczna znajomość OpenCV.

• Doświadczenie z PyTorch oraz CUDA w kontekście uruchamiania inferencji modeli na GPU.

• Doświadczenie z detekcją obiektów przy użyciu modeli typu YOLO (Ultralytics lub równoważny workflow) — nie tylko eksperymenty, lecz ścieżka zbliżona do produkcyjnej.

• Zrozumienie strumieni wideo i ograniczeń przy analizie w czasie rzeczywistym.

• Doświadczenie w pracy z Linuxem i środowiskiem zbliżonym do edge computing.

• Docker: budowa i utrzymanie obrazów kontenerowych, uruchamianie w środowisku wdrożeniowym, podstawowa diagnostyka.

• Praktyczna znajomość lekkich baz osadzonych (np. SQLite): prosty schemat, transakcje, zapytania parametryzowane.

• Biegłość w Git.

• Samodzielna praca z dokumentacją techniczną w języku angielskim.

• Gotowość do pracy wdrożeniowej i testowej z realnym sprzętem.

Mile widziane

• Doświadczenie z NVIDIA Jetson, JetPack oraz środowiskiem uruchomieniowym na urządzeniach brzegowych.

• TensorRT lub podobna optymalizacja inferencji pod NVIDIA.

• ONNX jako format pośredni.

• Kwantyzacja / optymalizacja pod ograniczenie zasobów na edge.

• Podstawy GStreamer lub innego stosu wideo na urządzeniu brzegowym.

• Proste interfejsy REST po stronie backendu.

• Świadomość ochrony danych osobowych przy obrazie z monitoringu.

Ważne dla nas

Szukamy osoby, która dobrze odnajduje się w pracy blisko realnego wdrożenia: kamery, RTSP, GPU, opóźnienia, ograniczenia edge, diagnostyka i dopinanie rozwiązań tak, aby działały stabilnie u klienta.

Doświadczenie z NVIDIA Jetson będzie dużym plusem, ale dopuszczamy również osoby mocne w Linux + CUDA + edge GPU, gotowe szybko wejść w Jetson/JetPack.

Organizacja pracy

• Pracujemy w modelu hybrydowym, z gotowością do okresowej pracy ze sprzętem w biurze.

• Zespół pracuje po polsku, ale oczekujemy swobody w pracy z dokumentacją techniczną i materiałami po angielsku.

• Wdrożenia obejmują okazjonalne wyjazdy do klienta i testy on-site.

• Sporadycznie możliwe są działania poza standardowymi godzinami podczas uruchomień.

Oferujemy

• Udział w projekcie na wczesnym etapie, z realnym wpływem na architekturę, dobór rozwiązań i kierunek rozwoju produktu.

• Pracę z realnym hardware i wdrożeniem, a nie wyłącznie z eksperymentami w notebookach.

• Możliwość wpływu na docelowy sprzęt, pipeline, modele i algorytmy.

• Mały zespół i szybkie decyzje.

• Dużą samodzielność techniczną i decyzyjność.

• Elastyczność godzin pracy w ramach ustaleń zespołu.

• Pracę nad rozwiązaniem o jasno określonym zastosowaniu i realnym scenariuszu użycia.