16 января 2026
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.