广州图像处理算法工程师
图像处理算法工程师是负责研发和优化图像处理算法的专业人士。他们利用数学、计算机视觉和模式识别等领域的知识，设计和开发用于处理图像的算法和技术。图像处理算法工程师通常在计算机视觉、医学影像处理、自动驾驶、安全监控、图像识别和虚拟现实等领域工作。他们需要熟练掌握图像处理相关的编程语言和工具，如Python、C++、OpenCV等，并具有深入的数学和统计学知识。此外，他们还需要具备解决复杂问题和优化算法的能力，以及对新技术和方法的敏锐洞察力。图像处理算法工程师的工作可以帮助改善图像质量，提高图像识别的准确性，实现自动化图像分析和处理等目标。
薪酬概览
平均月薪
¥18500
中位数 ¥16000 ｜ 区间 ¥14000 - ¥23100
数据来源：谈职全网16份招聘数据；更新时间：2026年7月13日
月薪分布
62.5% 人群薪酬落在 15-30k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
6月新增岗位
11
对比上月：岗位减少20
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 应届 | 8 | 80% |
| 不限经验 | 2 | 20% |
热招职位
1、2027届应届毕业生，计算机科学、人工智能、机器人、电子工程、自动化等相关专业；
2、具备扎实的机器学习理论基础，熟悉监督学习、模仿学习、强化学习等常见算法，以及Transformer、视觉语言模型和VLA模型等相关技术；
3、熟悉PyTorch、TensorFlow等至少一种深度学习框架，具备良好的工程和编程能力，熟练掌握Python，了解C++；
4、具备良好的数学基础，包括线性代数、概率论、统计学及最优化方法等；
5、对机器人学习、具身智能和多模态大模型具有浓厚兴趣，具备较强的学习能力、创新意识及问题分析能力；
6、在机器学习、计算机视觉、自然语言处理、机器人或具身智能相关领域的顶级期刊或会议发表过论文者优先；
7、具备良好的团队协作和沟通能力，能够积极推动研究成果的工程验证与应用落地。
1、本科及以上学历，计算机、人工智能、机器学习等相关专业，3年及以上大模型应用、Agent或数字人相关算法开发经验；
2、主导过多个大模型应用或智能Agent落地项目，精通主流大模型的微调与优化，深入理解Agent核心架构，具备独立搭建Agent算法体系的能力；
3、精通Python，熟练运用TensorFlow、PyTorch等深度学习框架，具备扎实的工程化开发能力；
4、拥有深厚的机器学习、深度学习、自然语言处理功底，能独立解决复杂技术难题；
5、具备较强的技术领导力、问题拆解能力及跨团队协作能力，能指导团队开展技术工作。
1、具备自动驾驶端到端项目的开发经验，熟悉轨迹预测/路径规划等相关算法；
2、具备良好的数理功底以及代码能力；
3、具备良好的沟通协作能力与问题解决能力；
4、有低速自动驾驶、机器人等领域项目经验者优先。
1. 计算机、自动化、机器人等相关专业硕士及以上学历，3年以上自动驾驶或机器人感知算法经验；
2. 核心技术栈：
- 精通C++/Python，熟练掌握PyTorch/TensorFlow框架；
- 必须具备 BEV + Transformer 实战经验，深入理解时序融合与空间对齐原理；
- 熟悉 Occupancy Network / Voxel-based 感知范式，有相关落地经验者优先；
3. 融合与部署能力：
- 熟悉多传感器标定与融合算法，有视觉+雷达/声学融合经验者极佳；
- 具备扎实的模型部署能力，熟悉TensorRT/ONNX及嵌入式Linux开发环境；
4. 加分项：
-有CVPR/ICCV/ECCV等顶会论文或知名开源项目贡献者优先；
-有机器人、飞行器、航行器或特殊环境（雪地/矿区）感知项目经验优先。
1. 计算机、人工智能、自动化等相关专业硕士及以上学历，3年以上自动驾驶或机器人规划算法经验。
2. 精通C++/Python，熟练掌握PyTorch/TensorFlow框架，具备优秀的工程落地与代码实现能力。
3. 熟悉UniAD, VAD, Diffusion Policy 等主流端到端自动驾驶/机器人规划范式。
4. 具备VLM/LLM大模型训练（Pre-train/SFT/RLHF）及多模态任务应用经验。
5. 良好的团队协作与沟通能力，具备快速学习和解决问题的能力。
6. 加分项：
① 有CVPR/ICCV/ECCV等顶会论文或知名开源项目贡献者优先。
② 有机器人、飞行器、航行器或特殊环境（雪地/矿区）感知规划经验者优先。
1. 负责AI算法在业务的落地和优化，包括但不限于内容生产、智能助手、本地化翻译、chatBI、代码生成等；
2. 探索大模型Post-Training、Inference、RAG、Agent等相关技术的业务落地，优化算法的效果和产品体验；
3. 研究和优化图文音视频等多模态生成模型，解决目前AI在生成质量、多样性、可控性等方面的问题，提升生产效能。
1、2027届研究生及以上学历，计算机、人工智能、自动化、机器人、测绘遥感、电子信息等相关专业优先；
2、具备计算机视觉、深度学习、三维几何或机器人相关基础，在三维重建、空间理解、视频生成、生成式数据、自动驾驶或机器人方向中至少一个方向有项目实践经验；
3、具备一定的算法问题拆解与实验分析能力，能够结合项目目标进行方案理解、实验对比和结果分析；
4、具备基础工程实现能力，熟悉 Python，了解 PyTorch / TensorFlow 等至少一种深度学习框架，能够完成数据处理、模型训练、评估分析或实验 pipeline 开发；
5、具备较好的论文阅读与方法复现能力，能够跟进相关方向前沿技术，并理解其在实际场景中的应用价值；
6、具备良好的沟通协作能力、学习能力和项目推进意识，能够在团队协作中持续学习并解决实际问题。
加分项
1、有三维重建、深度估计、NeRF、3D Gaussian Splatting、多视图立体、SLAM、场景理解等相关项目经验；
2、有图像/视频/3D 生成、合成数据、仿真数据或世界模型相关经验；
3、有自动驾驶、机器人、具身智能等相关科研、实习、竞赛或课程项目经验；
4、有从数据处理、模型训练到评估分析的完整实验经历，或有算法训练、数据生产、生成式数据 pipeline 搭建经验；
5、在相关方向有论文发表、开源项目、竞赛成果、优秀课程项目或产品落地经验。
1、计算机、自动化、电子工程、数学、车辆工程等相关专业研究生以上在读；
2、了解 VLA/VLM、大语言模型的基本原理，有相关课程学习或个人项目经验优先；
3、了解自动驾驶基本技术流程，对轨迹预测、运动规划、博弈决策等算法有基础认知者优先；
4、具备良好的数理基础，熟练掌握 C++ / Python 编程语言，熟悉 PyTorch 等深度学习框架；
5、学习能力强，逻辑思维清晰，能独立分析和解决简单的技术问题；
6、有良好的沟通能力和团队协作精神，工作认真细致，有责任心；
7、能保证稳定的实习时间。
加分项
1、有自动驾驶、机器人领域 AI 算法相关项目或竞赛经验；
2、有大模型微调、推理优化或多模态模型相关经验；
3、了解 Apollo、Autoware 等开源自动驾驶框架；
4、发表过相关领域的论文或技术博客。
1. 具有模型化的专业背景及完整知识体系，人工智能相关专业或长期从事模型训练开发；
2. 有端到端、多模态大模型量产研发经验；
3. 熟悉数据闭环、自动标注、规控后处理等上下游协作关系，有主动安全行业经验者优先。
1. 计算机科学、人工智能、自动化、车辆工程等相关专业，硕士及以上学历，3年以上多模态物理AI或AI数据平台相关工作经验。深入理解多模态物理AI数据闭环的架构与流程，有车端数据上传、云端数据处理、训练与仿真集成的一体化实践经验；
2. 优先考虑具备大规模 AI 训练数据治理经验的候选人，包括数据标准体系建设、数据质量治理、数据资产管理、成本与效率优化，以及海量多模态数据生产与流转体系的落地实践经验；
3. 熟悉数据闭环工具链的搭建与使用，包括数据处理、挖掘、标注、可视化等模块，有相关开发或深度使用经验；
4. 具备数据血缘和版本管理的实际落地经验，理解数据集与模型版本关联的重要性，有数据资产管理意识；
5. 对以 AI Agent 为中心的数据闭环方向有研究或实践兴趣，具备前沿技术探索能力；
6. 熟悉模型开发的全生命周期，深刻理解数据对模型性能（泛化性、鲁棒性、安全性）的关键作用；
7. 能够分析模型在不同阶段的数据需求，具备定义和评估高质量数据的能力，有指导数据生产和标注的经验者优先；
8. 具备良好的跨团队协作能力，能够与算法、工程、标注、测试等团队高效配合，推动数据闭环落地。
1、扎实的C++或Python编程能力，精通数据结构和算法，计算机、数学、机器学习、机器人、自动驾驶或相关专业背景优先;
2、在自动驾驶感知算法领域有深入研究经验，至少精通以下一个或多个方向：（BEV感知，3D Detection/Segmentation，Occupancy Network，单目/多目深度估计）;
3、在顶级会议或期刊（如CVPR、ICCV、ECCV、NeurIPS等）发表过相关论文者优先。
1. 计算机、自动化、航空航天、控制工程等相关专业硕士及以上学历，3年以上相关领域控制算法经验；
2. 精通特种载具运动学与动力学，熟悉经典流体力学模型（如MMG、Fossen等）或CFD流体仿真工具；
3. 熟练掌握MPC、LQR、自适应控制等现代控制理论，并有实际工程落地经验；
4. 深刻理解高速载具的姿态控制、襟翼调节或多执行器协同控制经验者优先；
5. 熟悉操纵性标准，对制动距离、回转半径、横摇/纵摇抑制有量化指标的概念；
6. 加分项：
1. 有CVPR/ICCV/ECCV等顶会论文或知名开源项目贡献者优先；
2. 有端到端自动驾驶或大模型（RL/IL）在机器人/特种载具控制中应用的经验；
3. 有丰富外场实测经历，能独立分析实机测试数据并定位控制问题。