Senior Computer Vision Engineer

Visarsoft GmbH

Munchen, Germany

2 months ago

Role details

Contract type

Permanent contract

Employment type

Full-time (> 32 hours)

Experience level

Expert

Experience required

4 years minimum

Working hours

Regular working hours

Job source

indeed.com

Tech stack

Geographic Information Systems Computer Vision Nvidia CUDA Linux Python (Programming Language) Pytorch Deep Learning Geospatial Data Abstraction Library (GDAL) ONNX (Open Neural Network Exchange) Format TensorRT Docker

Job description

Entwicklung und Optimierung der Computer-Vision-Pipeline
Verarbeitung von Videostreams und Verarbeitung von Videoeingangsmaterial geringer Qualität
Implementierung von Crossview-Feature-Matching und Bildsuche
Aufbau und Indizierung einer georeferenzierten Kacheldatenbank
Objektgeoreferenzierung und räumliche Analysen
Optimierung der Inferenzlatenz und -leistung
Mitarbeit am Systemarchitekturdesign, * Hier arbeiten Sie nicht nur mit Modellen des maschinellen Lernens, sondern auch mit realen Produktionssystemen und Aufgaben aus dem Kampfeinsatz.
Sie haben die Möglichkeit, eigenständig Architekturen und Datenverarbeitungspipelines zu entwickeln und wichtige technische Entscheidungen mitzugestalten, anstatt nur Einzelaufgaben zu erledigen.
Wir legen Wert auf eine ausgeprägte Ingenieurskompetenz und Mitarbeiter, die systematisch denken, Probleme analysieren und praxisorientierte Lösungen finden können.
Die Arbeit nutzt moderne Forschungsmethoden - das Team analysiert und implementiert kontinuierlich neue Forschungsergebnisse und aktuelle Technologien.
Wir legen großen Wert auf Systemleistung, Optimierung der Inferenz, GPU-Pipeline, Latenz und Skalierbarkeit.
In diesem Umfeld haben Ingenieure maßgeblichen Einfluss auf das Produkt, die Technologien und das Endergebnis und arbeiten nicht innerhalb des engen Rahmens eines einzelnen Moduls.

Requirements

Mindestens 4 Jahre Erfahrung in Computer Vision/Deep Learning
Praktische Erfahrung mit Geolokalisierung, Ortserkennung oder Bildsuche
Merkmalsextraktion mit Basismodellen wie DINOv2, CLIP oder vergleichbaren Modellen
Keypoint-Erkennung und -Zuordnung: LightGlue, LoFTR, DISK, SuperPoint
Kontrastives/metrisches Lernen: InfoNCE, Triplet Loss, Hard Negative Mining
Homografieschätzung und geometrische Verifikation
Erfahrung mit Satellitenbildern und Geodaten
Koordinatensysteme, Kachelindizierung, GDAL
Vektorsuche: FAISS oder andere ANN-Bibliotheken
Python, PyTorch auf Produktionsniveau
Erfahrung mit Video-Pipelines
Linux, Docker, * Promotion in Computer Vision, Photogrammetrie, Fernerkundung, Geomatik oder Robotik
Veröffentlichungen zu Cross-View-Lokalisierung, visuellem SLAM oder UAV-Navigation
Erfahrung mit beeinträchtigtem oder komprimiertem Videomaterial
TensorRT, ONNX, Edge-Bereitstellung
CUDA
Hintergrund in Verteidigung, Luft- und Raumfahrt oder Robotik