ما در حال توسعه یک سیستم پیشرفته برای پردازش، تحلیل و استخراج اطلاعات از انواع اسناد و تصاویر متنی هستیم که به‌صورت کاملاً لوکال و در محیط Production اجرا خواهد شد.
این سیستم شامل پردازش تصویر، تحلیل ساختار اسناد، استخراج متن و بهینه‌سازی خروجی در مقیاس عملیاتی است.
هدف پروژه رسیدن به بالاترین سطح دقت در فهم و استخراج اطلاعات از اسناد پیچیده، متنوع و بعضاً کم‌کیفیت است.

مسئولیت‌ها

• طراحی و پیاده‌سازی Pipeline کامل پردازش تصویر و Document Understanding
• تحلیل و بهبود کیفیت تصاویر ورودی
• پیاده‌سازی Preprocessing با OpenCV و ابزارهای مرتبط
• طراحی Layout Analysis و ساختاردهی اسناد
• انتخاب، ارزیابی و بهینه‌سازی مدل‌های بینایی ماشین و Vision-Language
• توسعه و بهینه‌سازی مدل‌های تشخیص و استخراج متن
• طراحی Post Processing و Error Correction
• اندازه‌گیری و بهبود دقت سیستم
• استقرار و بهینه‌سازی سیستم در محیط Production

مهارت‌های ضروری

• تسلط قوی به Python
• تسلط به OpenCV
• تجربه عملی در Computer Vision و Document AI
• آشنایی با PyTorch
• تجربه کار با مدل‌های Vision-Language
• تجربه پردازش تصاویر واقعی و نویزی
• آشنایی با مفاهیم: Deskew، Denoising، Thresholding، CLAHE، Morphology، Layout Detection، Object Detection، Text Recognition
• توانایی تحلیل خطا و بهبود مدل‌ها بر اساس Metrics

امتیاز ویژه

• تجربه در پروژه‌های Document Intelligence
• تجربه Fine-Tuning مدل‌های Vision یا Multimodal
• تجربه با YOLO یا مدل‌های مشابه برای Detection
• تجربه با PaddleOCR یا سایر OCR Engines
• آشنایی با Docker و Linux
• تجربه بهینه‌سازی مدل‌ها برای Production

توجه: اولویت با افرادی است که تجربه عملی و مستند در پروژه‌های بینایی ماشین و پردازش اسناد دارند.