[厦门]厦门微亚智能科技有限公司

职位：AI大模型方向创新研究博士后
发布时间：2024-09-07
工作地点：其它
信息来源：西安电子科技大学
职位类型：全职
职位描述
AI大模型方向创新研究博士后
15000及以上 | 福建省厦门市湖里区 | 全职 | 博士

2024-09-07发布

职能类别：算法工程师

招聘人数：5人

工作经验：不限

语言要求：不限

联系人: 陈先生

联系人电话: 1****276578（登录后查看联系方式）

需求专业：【博士】仪器科学与技术、信息与通信工程、信息与通信工程、光学工程、光学工程、光学工程、控制科学与工程、控制科学与工程、控制科学与工程、数学、机械、机械工程、物理学、物理学、电子信息、电子信息、电子信息、电子信息、电子信息、电子信息、电子信息、电子信息、电子科学与技术、管理科学与工程、计算机科学与技术、计算机科学与技术、软件工程

职位详情

1、面向检测场景的工业AI大模型

1）研发方向描述：

本研究旨在研发多模态和单模态的工业视觉大模型，用于解决图像分类、目标检测和语义分割等主流任务。

2）关键研究问题：

探究并确定工业场景下单模态和多模态视觉大模型的选择方向？

如何分别设计图像分类、目标检测，语义分割任务的视觉大模型？

如何将视觉大模型进行压缩轻量化加速，以适配满足工业生产节拍？

如何提高视觉大模型的泛化性，便于降低场景变化时的样本需求量？

3）研究方法：

利用现有的开源CLIP、DINO、SAM等算法大模型提供的算法思想，独立设计并完善具备Transformer编解码结构或mamba组件技术的具备分类、检测和分割能力的工业AI大模型。

4）预期成果：

研发出分别可执行分类，目标检测和语义分割任务的工业AI大模型，或研发出一种可同时执行多任务的工业AI大模型，并具备高泛化性，推理速度可满足产线节拍要求。

2、工业检测场景小样本或零样本小模型算法

1）研发方向描述：

本研究旨在研发当前用于解决图像分类、目标检测和语义分割等主流任务的小样本或零样本AI算法模型。

2）关键研究问题：

如何分别设计针对图像分类、目标检测，语义分割任务的小样本方法？

如何分别设计针对图像分类、目标检测，语义分割任务的零样本方法？

3）研究方法：

基于one-shot和zero-shot等技术，独立设计并完善分类、检测和分割能力的AI小模型算法。

4）预期成果：

研发出分别可执行分类，目标检测和语义分割任务的小样本或零样本小模型，并具备较低的真实产线数据的漏杀和过杀概率。

3、基于AI大模型的工业图像数据生成

1）研究方向描述：

本研究旨在研发缺陷和非缺陷工业图像数据的生成的AI算法模型，用以解决工业缺陷检测缺少图像数据的痛点问题。

研究将集中在工业图像仿真生成，提升工业图像生成的逼真度和速度，以得到高泛化性的工业缺陷生成AI大模型。

2）关键研究问题：

如何设计生成式AI网络模型，以兼顾缺陷和非缺陷的图像数据的生成？

如何轻量化缺陷生成AI模型，在保证生成质量的同时兼顾图像的生成效率？

如何提高缺陷和非缺陷图片的生成的高逼真度？

3）研究方法：

基于现有扩散模型或stable diffusion等方法，改进开源的大模型神经网络或自主设计大模型神经网络架构，完成工业图像数据生成。

4）预期成果：

研发出一种可生成高质量工业图像数据，且训练耗时短，资源消耗低的AI工业大模型，可广泛适用于多种场景下的缺陷和非缺陷图像数据生成。

工作地址

厦门火炬高新区信息光电园金丰大厦201A室

厦门微亚智能科技有限公司

单位性质： 其他企业

单位行业： 制造业

单位规模： 500-1000人

投递简历：jo***.cn[点击查看]