Входы: URL с JPEG-файлом, модель нейросети с весами и метками (нейросеть обучать не требуется, будет использована одна из уже обученных).
Выходы: оригинальный JPEG-файл с произвольным, задаваемым в консоли именем; текстовые описания расположения классифицированных объектов, метки и вероятности (возможно, в JSON-формате), выводимые в stdout.
Дополнительные пожелания: возможность сохранять файлы на SFTP-сервер в каталоги, соответствующие меткам, если вероятность распознавания будет превышать заданный порог.
Требования к кандидатам:
Опыт работы: от трех лет.
Навыки: обязательные - C++, GStreamer API; крайне желательные - DeepStream SDK (см. особые примечания); желательные - написание кода для других, нежели x86-64, архитектур (см. особые примечания).
Срок работы: 3-7 дней.
Особые примечания: опыт работы с DeepStream SDK хотя и крайне желателен, однако можно обойтись и без него ввиду того, что сам по себе DeepStream представляет собой плагины к GStreamer, расширяющие его функционал. Приложение будет работать на Jetson Nano, что, впрочем, вряд ли повлияет на сам код - но учитывать в ТЗ это необходимо.