Ingeniero de para Optimización de Flujo de Trabajo de Procesamiento de Imágenes

Buscamos un ingeniero de visión artificial altamente experimentado en Python y OpenCV para optimizar un flujo de trabajo de procesamiento de imágenes existente. Nuestra implementación actual se basa en OCR, lo cual es computacionalmente costoso y limita significativamente el rendimiento. El objetivo principal de este proyecto es sustituir el uso de OCR mediante la introducción de una solución eficiente de coincidencia de plantillas. Esto nos permitirá procesar un mayor número de imágenes por segundo con una latencia y un coste reducidos. Actualmente, contamos con código comentado que realiza la coincidencia de plantillas para algunas resoluciones, logrando más de 100 imágenes por segundo, lo que demuestra el potencial de esta aproximación. El candidato seleccionado será responsable de integrar la lógica de coincidencia de plantillas de OpenCV en nuestro sistema. Se proporcionarán capturas de pantalla de ejemplo (dos para 'Kickoff' y una para 'Final') para definir los elementos de interfaz de usuario que deben ser detectados. Además de estas referencias, será necesario obtener o generar capturas de pantalla adicionales del juego Madden 2026 en múltiples resoluciones de pantalla y relaciones de aspecto (por ejemplo, 1080p, 1440p, 4K, ultrawide) para validar la correcta funcionalidad de la detección. La solución debe gestionar eficazmente los siguientes escenarios: Casos positivos: Si el elemento 'Kickoff' o 'Final' está presente, la solución debe devolver la ubicación de la coincidencia (x, y, w, h) y una puntuación de confianza. Casos negativos: Si la plantilla no está presente, la solución debe devolver un valor nulo o indicar una discrepancia, asegurando la ausencia de falsos positivos. La alta precisión es una prioridad fundamental para evitar falsos positivos. Opcionalmente, se puede considerar el uso de ocr como un método de respaldo solo si la confianza de la coincidencia de plantillas es baja, aunque el objetivo principal es minimizar la dependencia del ocr. La solución debe ser robusta y capaz de cubrir: Diferentes resoluciones y escalado de imágenes. Ligeros cambios en la interfaz de usuario (por ejemplo, variaciones de posición). Diferencias de compresión en las imágenes, si las hubiera. Diversas situaciones de coincidencia donde aparezcan los elementos 'Kickoff' o 'Final'. La API para la devolución de resultados de detección ya está implementada; la tarea se centrará exclusivamente en la integración de la lógica de coincidencia de plantillas de OpenCV.