声明：本站部分公告与职位内容由本站根据官方招聘公告进行整理编辑。由于用人单位需求专业、学历学位、资格条件、职位编制、备注内容等内容情况复杂且有变化可能，是否符合招聘条件以用人单位公告为准或请联系用人单位确认。本站整理编辑的职位信息仅供求职者参考，如因此造成的损失本站不承担任何责任！
职位详情
基本信息
职位名称：项目编号20240206：实时检测监控视频中异常事件-无监督持续学习机制研究
工作地点：四川成都
招聘人数： 1
报名方式：
站内投递
截止时间：详见正文
岗位职责
职责包括与首席研究员（PI）和其他研究人员合作，为我们的高级监控系统设计和实现深度学习模型。
研究员还将参与研究论文的撰写，并将其提交至知名会议或期刊。该项目是一个更大研究计划的一部分，有望发表 1-2 篇高质量论文。
任职要求
【职位概述】:
我们正在寻找一位高度积极的，专注于视频分析的研究员。理想的候选人应具备计算机视觉和深度学习方面的扎实背景，具有时空信息分析经验者优先。职责包括与首席研究员（PI）和其他研究人员合作，为我们的高级监控系统设计和实现深度学习模型。
研究员还将参与研究论文的撰写，并将其提交至知名会议或期刊。该项目是一个更大研究计划的一部分，有望发表 1-2 篇高质量论文。该经历将提供宝贵的研究技能和发表经历，增强您的简历和未来学术或就业机会的竞争力。职位开始时间为 2024 年夏季或之后，为期一年，并有未来合同延长或合作的可能性。
【职位要求】:
• 计算机科学、统计学、数学或相关领域的硕士或学士学位
• 具有使用 PyTorch 来编写构建深度学习模型的经验
• 具有时空分析（时间序列分析）和视频分析经验的候选人优先
• 具有无监督学习和持续学习策略经验的候选人优先
• 了解潜在特征空间中的快速聚类技术者优先
• 英语阅读能力强，写作能力良好者优
其他说明
【项目简介】:
监控视频中的异常事件很少见，且难以对特定场景进行定义，导致最近的模型需用大量正常帧进行离线训练。然而，这通常会导致误报，因为离线训练帧数量有限，且不如实景帧复杂。持续学习通过随时间推移适应新信息来解决该问题。目前的持续学习解决方案存在一些缺点，例如仅从通过人类识别后的正常视频帧中学习。我们认为这种监督设置不是必要的，提出了一种无监督的持续学习方法。在线情况下，我们通常认为视频帧能被大量获取，因而将视频异常自然而然地定义为可以内在地区分的罕见的事件。此外，我们的项目旨在通过视频表征的在线聚类来构建无监督的持续学习方法，从而实现快速处理和潜在的非参数解决方案。
FREE项目研究人员将获得：
●有竞争力的薪资福利、五险一金
●参加学术会议或论文发表的机会
●职业发展和继续深造的机会，包括博士或硕士研究生项目的申请支持
●良好的实验条件与合作包容的工作环境
●FREE项目信息将不断更新、滚动发出；但某一轮招聘将招满即止，因此建议申请者尽早提交申请。
●聘用期限：一至两年，合同为一年一签。
●工作地点：中国成都，四川大学江安校区
福利待遇：
–学士学位候选人每月6,000元人民币
–硕士学位候选人每月8,000元人民币
–五险一金
应聘材料
●最新简历（英文）
●求职信，述明您的申请理由（英文）
您与该职位匹配度: ***，已超过了 *** 的竞争者，建议************
您在 ？位置
欢迎扫描下方二维码关注高校人才网官方微信（硕博QQ交流群：247884325 ，进微信群请加：gzgxrcw06）
重要风险提示：如招聘单位在招聘过程中向求职者提出收取押金、保证金、体检费、材料费、成本费，或指定医院体检等，求职者有权要求招聘单位出具物价部门批准的收费许可证明材料，若无法提供相关证明，请求职者提高警惕，有可能属于诈骗或违规行为。
