United Developers - мы международная компания, которая более 10-ти лет занимается созданием, разработкой и технической поддержкой мобильных приложений. Нашими клиентами являются компании и физические лица из Европы и США.
Одним из направлений нашей специализации является разработка мобильных приложений для IoT (Internet of Things) и внедрение AI/ML в мобильные приложения для бизнеса и стартапов.
Ищем сотрудника на парттайм занятость с базовой загрузкой примерно ~20 часов в неделю.
О проекте:
Мы делаем видеоаналитику спортивных матчей.
Сейчас в продакшене используется YOLO-модель для баскетбола:
• игроки детектятся хорошо
• мяч и кольцо теряются при инференсе
• проблема возникает при переходе:
PyTorch → ONNX (сервер, C++)
ONNX → RKNN (Orange Pi, NPU)
На iPhone (квантизированная версия) модель работала корректно — значит, проблема в инференс-пайплайне, экспорте или квантизации, а не в данных.
Первый этап — разобраться и стабилизировать детекцию.
После этого планируется продолжение с футболом (тот же стек, другой спорт).
Основные задачи:
• Воспроизвести проблему потери детекции мяча и кольца.
• Сравнить поведение модели: PyTorch, ONNX Runtime, RKNN.
• Найти, где именно ломается качество: preprocessing, post-processing / NMS, input resolution, квантизация.
• Довести пайплайн до стабильной работы на сервере и Orange Pi.
Что важно:
- Реальный опыт с YOLO (v5/v8/v11).
- Понимание inference вне Python (ONNX, edge, C++).
Будет плюсом:
- Знание английского языка на уровне B2.
