Входы: URL с JPEG-файлом, модель нейросети с весами и метками (нейросеть обучать не требуется, будет использована одна из уже обученных - планируется использовать YOLOv3).
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).
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.
Реализация: библиотеку необходимо написать на C++, "обертку" - возможно на любом ином языке (Python 3 предпочтителен).
"Обертка" должна висеть в памяти в виде демона, брать URL, период забора изображений, доступы SFTP и используемую нейросеть из конфигурационного файла.
Весь комплект должен поставляться как в виде исходных кодов, так и в виде deb-пакета.