Senior Computer Vision Engineer – Classical & Deep Learning (f/m/x)

Senior

Remote,
Hybrid,
Office

Multiple locations Show all

This offer base language is English. Translate into Polish.

This translation is generic and may include errors. Show original text

Technologies & tools

Must have

CNN (Convolutional Neural Network) Python OpenCV PyTorch Cloud Computing NumPy

Nice to have

C++

We’re looking for vision engineers who know that not every problem needs a neural network — and that some problems can’t be solved without one. You’ll work across the full spectrum of computer vision: classical geometric methods like camera calibration, stereo, and multi-view geometry, alongside modern deep learning for detection, segmentation, and tracking. Knowing which tool fits which problem is exactly the judgment we’re hiring for.

Our vision projects are not academic exercises. They run on factory floors, in vehicles, and on edge devices with real latency and accuracy constraints — from quality inspection in manufacturing through autonomous driving perception to enterprise-scale image and video analytics.

What we offer:

AI Grant — Stop talking about AI and start building it. Our AI Grant gives you dedicated budget and resources to turn your wildest AI idea into a working project, backed by two paid weeks to focus on nothing else.

AI Center of Excellence — Work alongside specialists in agentic AI, sovereign AI, generative and discriminative AI. This isn’t a siloed team — it’s the people you’ll learn from and build with daily.

Your tools, your choice — Full access to AI-powered development tools including Claude, Cursor, and GitHub Copilot. Pick what works best for you.

Real project variety — From generative AI for legal document compliance through agentic systems in manufacturing environments to enterprise-scale AI platforms, computer vision, and autonomous driving. You won’t get bored.

Conference and speaking support — Want to attend conferences? We’ll back you. Want to speak at them? Even better — we’ll support you with dedicated preparation time and bonuses.

Your tasks

Design and implement vision systems combining classical and learning-based approaches — choosing the right method for the constraints of each problem
Apply geometric computer vision in practice: camera calibration (intrinsic/extrinsic), stereo and multi-view geometry, feature detection and matching, pose estimation, structure-from-motion, and visual SLAM
Build, train, and fine-tune deep learning models for object detection, semantic and instance segmentation, multi-object tracking, OCR, and anomaly detection using PyTorch
Develop image processing pipelines with OpenCV and NumPy: filtering, morphology, thresholding, contour analysis, and color space operations
Optimize models and pipelines for deployment: quantization, pruning, ONNX/TensorRT conversion, and real-time inference on edge devices and GPUs
Own data quality end-to-end: dataset design, annotation strategy, augmentation, and systematic error analysis on real-world imagery
Build evaluation frameworks that measure what matters in production — not just mAP on a benchmark, but failure modes under real conditions
Collaborate with AI Architects and ML engineers to integrate vision components into larger systems, on-prem and in the cloud

Requirements

At least 5 years in computer vision engineering, with vision systems shipped to production — not just research prototypes
Solid grounding in geometric vision: projective geometry, camera models, epipolar geometry, and 3D reconstruction fundamentals
Hands-on deep learning experience: training and deploying CNN- and transformer-based models (e.g., YOLO family, Mask R-CNN, DETR, SAM) for real applications
Strong Python and OpenCV skills; comfort with PyTorch and the surrounding ecosystem (torchvision, Albumentations, ONNX)
Experience optimizing inference for constrained environments — latency budgets, embedded hardware, or high-throughput video
The judgment to pick a homography over a transformer when the problem calls for it — and to defend that choice
Ability to work autonomously while collaborating effectively with architects, engineers, and product teams
Fluent English (both written and spoken)
Fluent Polish required
Residing in Poland required

Nice to have

C++ skills for performance-critical pipelines and integration with existing vision systems
Previous work with visual SLAM, sensor fusion (LiDAR, radar, IMU), or autonomous driving perception stacks
Exposure to vision-language models (CLIP, Grounding DINO) and foundation-model-based labeling or zero-shot pipelines
Experience deploying on NVIDIA Jetson, industrial cameras (GenICam/GigE), or cloud vision services on Azure, AWS, or GCP

Job no. 260612-LXSXE

Sii ensures that all hiring decisions are made solely on the basis of qualifications and competence. We are committed to equal and fair treatment of all, regardless of legally protected characteristics. At Sii, we promote a diverse and inclusive work environment, in full compliance with applicable anti-discrimination laws.

Technologie i narzędzia

Wymagane

CNN (Convolutional Neural Network) Python OpenCV PyTorch Przetwarzanie w chmurze NumPy

Mile widziane

C++

Szukamy inżynierów zajmujących się przetwarzaniem obrazu, którzy rozumieją, że nie każdy problem wymaga sieci neuronowej — a niektóre z nich nie da się rozwiązać bez niej. Będziesz pracować w pełnym spektrum wizji komputerowej: od klasycznych metod geometrycznych, takich jak kalibracja kamery, stereo i geometria wieloprzekrojowa, po nowoczesne uczenie głębokie do wykrywania, segmentacji i śledzenia. Umiejętność oceny, które narzędzie pasuje do danego problemu, jest dokładnie tym, czego szukamy u kandydatów.

Nasze projekty związane z wizją komputerową nie są ćwiczeniami akademickimi. Są one realizowane na halach fabrycznych, w pojazdach oraz na urządzeniach brzegowych, przy rzeczywistych ograniczeniach dotyczących opóźnień i dokładności — od kontroli jakości w produkcji, przez percepcję w autonomicznej jeździe, po analizę obrazów i filmów na skalę przedsiębiorstwa.

Co oferujemy:

Grant na AI — Przestań mówić o sztucznej inteligencji i zacznij ją tworzyć. Nasz grant na AI zapewnia dedykowany budżet i zasoby, aby przekształcić Twój najśmielszy pomysł na AI w działający projekt, wsparty dwoma płatnymi tygodniami, podczas których możesz skupić się wyłącznie na tym zadaniu.

Centrum Doskonałości AI — Pracuj ramię w ramię ze specjalistami w dziedzinie AI agentycznej, suwerennej, generatywnej i dyskryminacyjnej. To nie jest zespół działający w izolacji — to ludzie, od których będziesz się uczyć i z którymi będziesz codziennie tworzyć.

Twoje narzędzia, Twój wybór — Pełny dostęp do narzędzi programistycznych opartych na sztucznej inteligencji, w tym Claude, Cursor i GitHub Copilot. Wybierz to, co najlepiej Ci odpowiada.

Różnorodność rzeczywistych projektów — od generatywnej sztucznej inteligencji do zapewnienia zgodności dokumentów prawnych, poprzez systemy agentowe w środowiskach produkcyjnych, aż po platformy sztucznej inteligencji na skalę przedsiębiorstwa, wizję komputerową i autonomiczną jazdę. Nie będziesz się nudzić.

Wsparcie w zakresie konferencji i wystąpień — chcesz uczestniczyć w konferencjach? Będziemy Cię wspierać. Chcesz na nich przemawiać? Jeszcze lepiej — zapewnimy Ci czas na przygotowania oraz premie.

Twoje zadania

Projektowanie i wdrażanie systemów wizyjnych łączących podejścia klasyczne z opartymi na uczeniu maszynowym — dobór odpowiedniej metody w zależności od ograniczeń danego zadania
Zastosowanie geometrycznego przetwarzania obrazu w praktyce: kalibracja kamery (wewnętrzna/zewnętrzna), geometria stereo i wieloprzekrojowa, wykrywanie i dopasowywanie cech, estymacja pozycji, struktura z ruchu oraz wizualny SLAM
Tworzenie, uczenie i dostrajanie modeli głębokiego uczenia do wykrywania obiektów, segmentacji semantycznej i instancji, śledzenia wielu obiektów, OCR oraz wykrywania anomalii przy użyciu PyTorch
Opracowywanie pipeline'ów przetwarzania obrazu za pomocą OpenCV i NumPy: filtrowanie, morfologia, progowanie, analiza konturów i operacje w przestrzeni kolorów
Optymizuj modele i pipeline'y pod kątem wdrożenia: kwantyzacja, przycinanie, konwersja ONNX/TensorRT oraz wnioskowanie w czasie rzeczywistym na urządzeniach brzegowych i procesorach graficznych
Kompleksowa kontrola jakości danych: projektowanie zbiorów danych, strategia adnotacji, augmentacja oraz systematyczna analiza błędów na rzeczywistych obrazach
Tworzenie frameworków ewaluacyjnych, które mierzą to, co ma znaczenie w produkcji — nie tylko mAP w benchmarku, ale tryby awarii w rzeczywistych warunkach
Współpraca z architektami AI/ML i inżynierami ML w celu integracji komponentów wizyjnych z większymi systemami, zarówno lokalnymi, jak i w chmurze

Wymagania

Co najmniej 5 lat doświadczenia w inżynierii widzenia komputerowego, w tym w zakresie wdrażania systemów wizyjnych do produkcji – a nie tylko prototypów badawczych
Solidna podstawa w zakresie wizji geometrycznej: geometria rzutowa, modele kamer, geometria epipolarna oraz podstawy rekonstrukcji 3D
Praktyczne doświadczenie w zakresie głębokiego uczenia się: szkolenie i wdrażanie modeli opartych na sieciach CNN i transformatorach (np. rodzina YOLO, Mask R-CNN, DETR, SAM) do rzeczywistych zastosowań
Bardzo dobra znajomość języka Python i biblioteki OpenCV; swoboda w pracy z PyTorch i otaczającym go ekosystemem (torchvision, Albumentations, ONNX)
Doświadczenie w optymalizacji wnioskowania w środowiskach o ograniczonych możliwościach — budżety opóźnień, sprzęt wbudowany lub wideo o dużej przepustowości
Umiejętność wyboru homografii zamiast transformatora, gdy wymaga tego problem — oraz uzasadnienia tego wyboru
Umiejętność samodzielnej pracy przy jednoczesnej skutecznej współpracy z architektami, inżynierami i zespołami produktowymi
Biegła znajomość języka angielskiego (w mowie i piśmie)
Wymagana biegła znajomość języka polskiego
Wymagane miejsce zamieszkania w Polsce

Mile widziane

Znajomość języka C++ w zakresie pipeline'ów o krytycznym znaczeniu dla wydajności oraz integracji z istniejącymi systemami wizyjnymi
Wcześniejsze doświadczenie w pracy z wizualnym SLAM, fuzją czujników (LiDAR, radar, IMU) lub stosami percepcyjnymi dla autonomicznej jazdy
Znajomość modeli wizualno-językowych (CLIP, Grounding DINO) oraz pipeline'ów etykietowania opartych na modelach podstawowych lub pipeline'ów typu zero-shot
Doświadczenie we wdrażaniu na platformie NVIDIA Jetson, kamerach przemysłowych (GenICam/GigE) lub usługach wizyjnych w chmurze na platformach Azure, AWS lub GCP

Nr oferty 260612-LXSXE

Offices in Poland

Sii Sweden

Sii Ukraine

Sii India

Automating financial analysis with AI

Berlingske Media enters the digital-first era – platform modernization with Sii Poland

Quality Control Center for ABB – gaining control over IT system quality

E-commerce modernization to support growth and smooth shopping experience

Infoshare 2026 wrap-up: AI has become part of everyday work – and that’s what makes it interesting

When young talents meet the experts – this is what Open Days at Sii looked like

You Build It, You Run It (YBIYRI): The model that hurts – and that's why it works

What is needed for a successfull AI adoption? Lessons from Gartner Data & Analytics Summit 2026 in London

From demo to systems you can trust: how real AI works in business

The AI-Powered Ecosystem: Scaling Marketing Analytics

Mobile WMS for Process Manufacturing. Powered by Business Central.

Multi‑Agent AI for Embedded Software Development

Rebranding in large organizations, as exemplified by Salesforce – a process that goes far beyond a logo change

Copilot in Microsoft Intune: How AI is transforming the daily work of endpoint administrators

Why SAP S/4HANA releases still fail – even when everything was "tested"

Building an RTK Rover: Web-controlled precision navigation

Senior Computer Vision Engineer – Classical & Deep Learning (f/m/x)

Get to know Sii better

Get to know Sii better

Apply for