SlideShare una empresa de Scribd logo
1 de 48
Descargar para leer sin conexión
楽しいコンピュータビジョンの受託仕事
2021/10/09 takmin
自己紹介
自己紹介
3
http://visitlab.jp
株式会社ビジョン&ITラボ 代表取締役
皆川 卓也(みながわ たくや)
博士(工学)
• 「コンピュータビジョン勉強会@関東」主催
• 株式会社フューチャースタンダード 技術顧問
会社紹介
5
株式会社ビジョン&ITラボ
はコンピュータビジョンとAI
によって御社の「こまった」
を助ける会社です
ビジョン
技術の町医者
AIビジネスについて、気軽に相談できる
事業内容
1. R&Dコンサルティング
2. 受託研究/開発
3. 開発マネジメント
4. 開発コンサルティング
5. ビジネス化コンサルティング
7
本題
フリーランスを支える技術(テクニック)
9
 昔こんなブログを書きましたが、いまいちアクセス伸びず
 https://takmin.hatenablog.com/entry/2018/12/07/000100
フリーランスを支える技術(テクニック)
10
 昔こんなブログを書きましたが、いまいちアクセス伸びず
 https://takmin.hatenablog.com/entry/2018/12/07/000100
本発表の目的
11
 特にコンピュータビジョンに関する仕事を請け負う場合
の注意点や面白い点などを掘り下げて話します。
受託仕事の面白い点
12
 お客様と直接話すことで、コンピュータビ
ジョンにどんなニーズがあるのか知るこ
とが出来る。
 お客様の自分の仕事に対する直接の反
応を見ることができる。
 様々な分野を見ることが出来、時に想定
もしていなかったような仕事に挑戦する
ことが出来る。
弊社が仕事を請け負うプロセス
お客さんが「本当にやりたいこと」をヒアリング
 コンサルティングは絶対に必要なフェーズ
弊社が仕事を請け負うプロセス
お客さんが「本当にやりたいこと」をヒアリング
お客様の目的を達成する手段を検討する
 実現方法全体を考える
 全体のシステム構成
 CV技術は目的達成の1ピースに過ぎない
 ハードウェア、通信環境、モジュール間連携、UI、etc
 技術の制約をどのように回避するか
弊社が仕事を請け負うプロセス
お客さんが「本当にやりたいこと」をヒアリング
お客様の目的を達成する手段を検討する
開発仕様と範囲を決定する
 自分が開発する範囲(CV周り)を決める
 場合によっては開発全体のマネジメントも行う
弊社が仕事を請け負うプロセス
お客さんが「本当にやりたいこと」をヒアリング
お客様の目的を達成する手段を検討する
開発仕様と範囲を決定する
実装/試験
弊社が仕事を請け負うプロセス
お客さんが「本当にやりたいこと」をヒアリング
お客様の目的を達成する手段を検討する
開発仕様と範囲を決定する
実装/試験
お客さんが「本当にやりたいこと」
18
顧客の目的をしっかり押さえる
19
典型的な事例
顧客
顧客の目的をしっかり押さえる
20
典型的な事例
これディープ
ラーニング
いらないよ
な。。。
「Aを実現したいので、Bを作ってほしい」
21
 「それならCの技術の方が向いてますよ。」
 「それなら開発するより、他社から購入した方がコス
トも安い上に保守もききますよ。」
 「Bを使う環境が御社に整っていないので、まずはC
の技術から始めるのが良いと思います。」
 「Aを実現する手法はB以外にもいろいろあるので、
まずはサーベイしませんか?」
 「Bが本当にAに効果があるかわからないので、まず
は簡単なモデルで検証してみませんか?」
回答例:
22
お客様の背景と目的を理解し、
専門知識を用いて最適な提案
を行うことで、下請けからビジネ
スパートナーに昇格。
弊社が仕事を請け負うプロセス
お客さんが「本当にやりたいこと」をヒアリング
お客様の目的を達成する手段を検討する
開発仕様と範囲を決定する
実装/試験
見積もり提案書を作る
24
何をして、何をやらないかを明確にし、顧客と合意をとる
• 背景
• 目的
• 作業概要
• 作業範囲
• 前提/制約条件
• 納品予定物
• スケジュール(納品予定日)
• 見積金額
見積もり提案書を作る
25
何をして、何をやらないかを明確にし、顧客と合意をとる
• 背景
• 目的
• 作業概要
• 作業範囲
• 前提/制約条件
• 納品予定物
• スケジュール(納品予定日)
• 見積金額
お客様の目的
見積もり提案書を作る
26
何をして、何をやらないかを明確にし、顧客と合意をとる
• 背景
• 目的
• 作業概要
• 作業範囲
• 前提/制約条件
• 納品予定物
• スケジュール(納品予定日)
• 見積金額
この作業の目的
見積もり提案書を作る
27
何をして、何をやらないかを明確にし、顧客と合意をとる
• 背景
• 目的
• 作業概要
• 作業範囲
• 前提/制約条件
• 納品予定物
• スケジュール(納品予定日)
• 見積金額
この作業の全体像
見積もり提案書を作る
28
何をして、何をやらないかを明確にし、顧客と合意をとる
• 背景
• 目的
• 作業概要
• 作業範囲
• 前提/制約条件
• 納品予定物
• スケジュール(納品予定日)
• 見積金額
「何をやるか、やら
ないか」の詳細
(一番大事)
見積もり提案書を作る
29
何をして、何をやらないかを明確にし、顧客と合意をとる
• 背景
• 目的
• 作業概要
• 作業範囲
• 前提/制約条件
• 納品予定物
• スケジュール(納品予定日)
• 見積金額
リスクを洗い出して、それを
避けるための条件付け
(ex.瑕疵責任、精度保証、
権利、etc)
見積もり提案書を作る
30
何をして、何をやらないかを明確にし、顧客と合意をとる
• 背景
• 目的
• 作業概要
• 作業範囲
• 前提/制約条件
• 納品予定物
• スケジュール(納品予定日)
• 見積金額
ソースコード、ドキュメント等、
最終的に提出するもの
見積もり提案書を作る
31
何をして、何をやらないかを明確にし、顧客と合意をとる
• 背景
• 目的
• 作業概要
• 作業範囲
• 前提/制約条件
• 納品予定物
• スケジュール(納品予定日)
• 見積金額
いつどこまで作る?
いつ中間報告する?
見積もり提案書を作る
32
何をして、何をやらないかを明確にし、顧客と合意をとる
• 背景
• 目的
• 作業概要
• 作業範囲
• 前提/制約条件
• 納品予定物
• スケジュール(納品予定日)
• 見積金額
こちらから金額提示
見積もり提案書を作る
33
何をして、何をやらないかを明確にし、顧客と合意をとる
• 背景
• 目的
• 作業概要
• 作業範囲
• 前提/制約条件
• 納品予定物
• スケジュール(納品予定日)
• 見積金額
研究開発の受託に限らず、コンサルティ
ングやプロジェクトマネジメントの請負でも、
「範囲」を明確にすることは後のトラブル
を避ける上でとても重要!
見積もり提案書作成のメリット
34
 作業範囲について、言った/言わないのトラブルを避ける
 顧客の指示通り作業するのではなく、顧客の目的や状
況を踏まえて進め方や実現方法、金額などをこちらから
提案することで、顧客と対等な立場になる。
 一方で顧客が仕様を決めその指示通り作業を行うような仕事
は金額のたたき合いになる可能性がある。
 値引き要求や仕様変更に対して、この提案書が議論の
ベースになる。
 例えば値引き要求に対してはどの作業を削るかを提案すれ
ばよいし、作業開始後の仕様変更に対しては金額アップやス
ケジュール変更を要求しやすい。
コンピュータビジョンの受託開発
作ってみないとどれくらい精度が出る
かわからない
コンピュータビジョンの受託開発は難
しい!
品質についてどのように事前に合意
するか
コンピュータビジョンの受託開発
36
 品質についての合意の仕方で、3パターンの受注方法
成功報酬
型
受託開発
型
アジャイ
ル型
成功報酬型
37
手付金で開発を請け負い、事前に定義し
た精度/速度等の条件をクリアしたら、高
めの金額をいただく
 失敗のリスクを引き受ける
 対象となるデータセットをあらかじめ準備
し、評価方法と目標品質を事前に合意
受託開発型
38
実装するアルゴリズムが明確なとき
品質リスクが少ないとき、または顧客がリスク
を理解し、回避策を準備してくれている場合
 仕様通りのアルゴリズムを開発し、納品する
という、通常の受託開発プロセス
 瑕疵条件に、精度や速度の改善は含めない
アジャイル型
39
開発対象の不確定性が高いときに
 フェーズを短く区切り、目標設定、開発、検証作業を繰り
返す。
• 開発/検証内容
評価
結果が不十分
だった際の仮説
設定
開発/検証作業
開発/検証内容の
合意
Plan Do
Che
ck
Acti
on
弊社が仕事を請け負うプロセス
お客さんが「本当にやりたいこと」をヒアリング
お客様の目的を達成する手段を検討する
開発仕様と範囲を決定する
実装/試験
外注を使ったスキルアップ術
41
「コンピュータビジョン」といっても範囲が幅広い
顔認識
人/物体検出
&追跡
姿勢推定
3D点群処理
三次元復元
Visual SLAM
コンピュテーショナル
フォトグラフィ
一般物体認識
特定物体認識
42
スキルアップの課題
43
 特に深層学習ブームが来る前は、それ
こそ画像処理にかかわる仕事はなんで
も来た。
 依頼した仕事をこなしているだけでも、新
しいことを勉強しなければならず、勝手
にスキルがついていく。
 それでも一人ですべての分野をカバー
するのは不可能。
 ボッチなので誰にも相談できない。
44
お金を払って詳しい人
(=大学の先生)に
コンサルティングしてもらう
解決策
コンサルティングの依頼
45
 打合せ1時間ごとの金額という形で依頼
 副業禁止の人や近しい人の場合は、焼き肉や寿
司をおごるついでに聞くことも(もちろん経費)
 あらかじめお客様への見積もりにコンサル費
を含めておくことで懐は痛まない
 自分で一から調べるよりも、大まかな指針をも
らえるだけで学習効率や作業効率が向上
 顧客への提出物への最終チェックを依頼する
ことで、品質保証にもなる。
学生の皆さんへメッセージ
46
我々は大学の先生
に相談乗ってもらう
のにお金払ってるん
だよ!
もちろんCV以外にも使える
47
 システム開発で、苦手なところを外注
 外注先と相談しながら、開発仕様を決定
 手順書等のドキュメントを作ってもらい、
次からは自分でも同じ作業ができるよう
にしてもらう
 自分に対するレクチャーの時間も見積も
りに含めてもらう
まとめ
48
 顧客の目的を理解することで、ビジ
ネスパートナーになる。
 見積もり提案書を書くことで、何をし
て、何をしないかを明確にし、コミュ
ニケーションリスクを減らす。
 外注を上手に使ってスキルアップに
つなげる。

Más contenido relacionado

La actualidad más candente

Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料Yusuke Uchida
 
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築Kosuke Shinoda
 
画像生成・生成モデル メタサーベイ
画像生成・生成モデル メタサーベイ画像生成・生成モデル メタサーベイ
画像生成・生成モデル メタサーベイcvpaper. challenge
 
【DL輪読会】WIRE: Wavelet Implicit Neural Representations
【DL輪読会】WIRE: Wavelet Implicit Neural Representations【DL輪読会】WIRE: Wavelet Implicit Neural Representations
【DL輪読会】WIRE: Wavelet Implicit Neural RepresentationsDeep Learning JP
 
[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...
[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...
[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...Deep Learning JP
 
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View SynthesisKento Doi
 
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII
 
【DL輪読会】Scale Efficiently: Insights from Pre-training and Fine-tuning Transfor...
【DL輪読会】Scale Efficiently: Insights from Pre-training and Fine-tuning Transfor...【DL輪読会】Scale Efficiently: Insights from Pre-training and Fine-tuning Transfor...
【DL輪読会】Scale Efficiently: Insights from Pre-training and Fine-tuning Transfor...Deep Learning JP
 
AI勉強会用スライド
AI勉強会用スライドAI勉強会用スライド
AI勉強会用スライドharmonylab
 
[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence Modeling
[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence Modeling[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence Modeling
[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence ModelingDeep Learning JP
 
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised LearningまとめDeep Learning JP
 
オープンソース SLAM の分類
オープンソース SLAM の分類オープンソース SLAM の分類
オープンソース SLAM の分類Yoshitaka HARA
 
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜SSII
 
SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向SSII
 
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language SupervisionDeep Learning JP
 
20190307 visualslam summary
20190307 visualslam summary20190307 visualslam summary
20190307 visualslam summaryTakuya Minagawa
 
Active Convolution, Deformable Convolution ―形状・スケールを学習可能なConvolution―
Active Convolution, Deformable Convolution ―形状・スケールを学習可能なConvolution―Active Convolution, Deformable Convolution ―形状・スケールを学習可能なConvolution―
Active Convolution, Deformable Convolution ―形状・スケールを学習可能なConvolution―Yosuke Shinya
 
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17Takuya Akiba
 
[DLHacks]StyleGANとBigGANのStyle mixing, morphing
[DLHacks]StyleGANとBigGANのStyle mixing, morphing[DLHacks]StyleGANとBigGANのStyle mixing, morphing
[DLHacks]StyleGANとBigGANのStyle mixing, morphingDeep Learning JP
 

La actualidad más candente (20)

Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
 
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
 
画像生成・生成モデル メタサーベイ
画像生成・生成モデル メタサーベイ画像生成・生成モデル メタサーベイ
画像生成・生成モデル メタサーベイ
 
【DL輪読会】WIRE: Wavelet Implicit Neural Representations
【DL輪読会】WIRE: Wavelet Implicit Neural Representations【DL輪読会】WIRE: Wavelet Implicit Neural Representations
【DL輪読会】WIRE: Wavelet Implicit Neural Representations
 
[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...
[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...
[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...
 
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
 
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
 
【DL輪読会】Scale Efficiently: Insights from Pre-training and Fine-tuning Transfor...
【DL輪読会】Scale Efficiently: Insights from Pre-training and Fine-tuning Transfor...【DL輪読会】Scale Efficiently: Insights from Pre-training and Fine-tuning Transfor...
【DL輪読会】Scale Efficiently: Insights from Pre-training and Fine-tuning Transfor...
 
AI勉強会用スライド
AI勉強会用スライドAI勉強会用スライド
AI勉強会用スライド
 
[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence Modeling
[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence Modeling[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence Modeling
[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence Modeling
 
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
 
オープンソース SLAM の分類
オープンソース SLAM の分類オープンソース SLAM の分類
オープンソース SLAM の分類
 
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
 
SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向
 
ResNetの仕組み
ResNetの仕組みResNetの仕組み
ResNetの仕組み
 
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
 
20190307 visualslam summary
20190307 visualslam summary20190307 visualslam summary
20190307 visualslam summary
 
Active Convolution, Deformable Convolution ―形状・スケールを学習可能なConvolution―
Active Convolution, Deformable Convolution ―形状・スケールを学習可能なConvolution―Active Convolution, Deformable Convolution ―形状・スケールを学習可能なConvolution―
Active Convolution, Deformable Convolution ―形状・スケールを学習可能なConvolution―
 
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17
 
[DLHacks]StyleGANとBigGANのStyle mixing, morphing
[DLHacks]StyleGANとBigGANのStyle mixing, morphing[DLHacks]StyleGANとBigGANのStyle mixing, morphing
[DLHacks]StyleGANとBigGANのStyle mixing, morphing
 

Similar a 楽しいコンピュータビジョンの受託仕事

第7回SIA研究会(例会)プレゼン資料 油野様
第7回SIA研究会(例会)プレゼン資料 油野様第7回SIA研究会(例会)プレゼン資料 油野様
第7回SIA研究会(例会)プレゼン資料 油野様Tae Yoshida
 
ゼンアーキテクツ「ものづくり」五つの掟
ゼンアーキテクツ「ものづくり」五つの掟ゼンアーキテクツ「ものづくり」五つの掟
ゼンアーキテクツ「ものづくり」五つの掟Hiromasa Oka
 
エンジニアのキャリアを考える
エンジニアのキャリアを考えるエンジニアのキャリアを考える
エンジニアのキャリアを考えるMKT International Inc.
 
日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返り日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返りYuichi Morito
 
SIerで幸せな技術キャリアを築くために
SIerで幸せな技術キャリアを築くためにSIerで幸せな技術キャリアを築くために
SIerで幸せな技術キャリアを築くためにTakanari Konishi
 
20200122 エンタープライズブロックチェーン勝負の2020年、2年目のジンクスに立ち向かう
20200122 エンタープライズブロックチェーン勝負の2020年、2年目のジンクスに立ち向かう20200122 エンタープライズブロックチェーン勝負の2020年、2年目のジンクスに立ち向かう
20200122 エンタープライズブロックチェーン勝負の2020年、2年目のジンクスに立ち向かうオラクルエンジニア通信
 
受発注for製造業 概要資料.pdf
受発注for製造業 概要資料.pdf受発注for製造業 概要資料.pdf
受発注for製造業 概要資料.pdfssuserfea64a1
 
ISID IIoT Forum_180628
ISID  IIoT Forum_180628ISID  IIoT Forum_180628
ISID IIoT Forum_180628知礼 八子
 
ICO超入門 〜構造・技術・実務〜 早稲田大学稲門会講演
ICO超入門 〜構造・技術・実務〜 早稲田大学稲門会講演ICO超入門 〜構造・技術・実務〜 早稲田大学稲門会講演
ICO超入門 〜構造・技術・実務〜 早稲田大学稲門会講演TECHFUND
 
人工知能時代におけるITエンジニアのキャリアプラン:It engineer career plan in the age of artificial in...
人工知能時代におけるITエンジニアのキャリアプラン:It engineer career plan in the age of artificial in...人工知能時代におけるITエンジニアのキャリアプラン:It engineer career plan in the age of artificial in...
人工知能時代におけるITエンジニアのキャリアプラン:It engineer career plan in the age of artificial in...YuheiTanimura
 
座談会資料(討議メモ付き) 20120512
座談会資料(討議メモ付き) 20120512座談会資料(討議メモ付き) 20120512
座談会資料(討議メモ付き) 20120512知礼 八子
 
20190517 twilio business seminar in osaka #3
20190517 twilio business seminar in osaka #320190517 twilio business seminar in osaka #3
20190517 twilio business seminar in osaka #3Ukyo Satake
 
IT革命からコミュニティ、コミュニケーション革命に!
IT革命からコミュニティ、コミュニケーション革命に!IT革命からコミュニティ、コミュニケーション革命に!
IT革命からコミュニティ、コミュニケーション革命に!Yuichi Morito
 
Dec cafe 20201105_vfin
Dec cafe 20201105_vfinDec cafe 20201105_vfin
Dec cafe 20201105_vfinDaichi Fujii
 
これからの産業をつくるために、ものづくりの今を学ぶ 先生:高野 元・野村 岳史
これからの産業をつくるために、ものづくりの今を学ぶ 先生:高野 元・野村 岳史これからの産業をつくるために、ものづくりの今を学ぶ 先生:高野 元・野村 岳史
これからの産業をつくるために、ものづくりの今を学ぶ 先生:高野 元・野村 岳史schoowebcampus
 
サービスデザイン思考×ピクト図解 V1.1
サービスデザイン思考×ピクト図解 V1.1 サービスデザイン思考×ピクト図解 V1.1
サービスデザイン思考×ピクト図解 V1.1 Hidehiko Akasaka
 
①Bmg×ピクト図解 20140211 公開用
①Bmg×ピクト図解 20140211 公開用①Bmg×ピクト図解 20140211 公開用
①Bmg×ピクト図解 20140211 公開用Hidehiko Akasaka
 
株式会社イーパテント-会社・サービス概要 / e-Patent | Company & Service profile
株式会社イーパテント-会社・サービス概要 / e-Patent | Company & Service profile株式会社イーパテント-会社・サービス概要 / e-Patent | Company & Service profile
株式会社イーパテント-会社・サービス概要 / e-Patent | Company & Service profilee-Patent Co., Ltd.
 
e-Patent | Company & Service profile
e-Patent | Company & Service profilee-Patent | Company & Service profile
e-Patent | Company & Service profileAtsushi NOZAKI
 
DXと名の付くプロジェクトで忘れてはならないこと
DXと名の付くプロジェクトで忘れてはならないことDXと名の付くプロジェクトで忘れてはならないこと
DXと名の付くプロジェクトで忘れてはならないことHagimoto Junzo
 

Similar a 楽しいコンピュータビジョンの受託仕事 (20)

第7回SIA研究会(例会)プレゼン資料 油野様
第7回SIA研究会(例会)プレゼン資料 油野様第7回SIA研究会(例会)プレゼン資料 油野様
第7回SIA研究会(例会)プレゼン資料 油野様
 
ゼンアーキテクツ「ものづくり」五つの掟
ゼンアーキテクツ「ものづくり」五つの掟ゼンアーキテクツ「ものづくり」五つの掟
ゼンアーキテクツ「ものづくり」五つの掟
 
エンジニアのキャリアを考える
エンジニアのキャリアを考えるエンジニアのキャリアを考える
エンジニアのキャリアを考える
 
日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返り日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返り
 
SIerで幸せな技術キャリアを築くために
SIerで幸せな技術キャリアを築くためにSIerで幸せな技術キャリアを築くために
SIerで幸せな技術キャリアを築くために
 
20200122 エンタープライズブロックチェーン勝負の2020年、2年目のジンクスに立ち向かう
20200122 エンタープライズブロックチェーン勝負の2020年、2年目のジンクスに立ち向かう20200122 エンタープライズブロックチェーン勝負の2020年、2年目のジンクスに立ち向かう
20200122 エンタープライズブロックチェーン勝負の2020年、2年目のジンクスに立ち向かう
 
受発注for製造業 概要資料.pdf
受発注for製造業 概要資料.pdf受発注for製造業 概要資料.pdf
受発注for製造業 概要資料.pdf
 
ISID IIoT Forum_180628
ISID  IIoT Forum_180628ISID  IIoT Forum_180628
ISID IIoT Forum_180628
 
ICO超入門 〜構造・技術・実務〜 早稲田大学稲門会講演
ICO超入門 〜構造・技術・実務〜 早稲田大学稲門会講演ICO超入門 〜構造・技術・実務〜 早稲田大学稲門会講演
ICO超入門 〜構造・技術・実務〜 早稲田大学稲門会講演
 
人工知能時代におけるITエンジニアのキャリアプラン:It engineer career plan in the age of artificial in...
人工知能時代におけるITエンジニアのキャリアプラン:It engineer career plan in the age of artificial in...人工知能時代におけるITエンジニアのキャリアプラン:It engineer career plan in the age of artificial in...
人工知能時代におけるITエンジニアのキャリアプラン:It engineer career plan in the age of artificial in...
 
座談会資料(討議メモ付き) 20120512
座談会資料(討議メモ付き) 20120512座談会資料(討議メモ付き) 20120512
座談会資料(討議メモ付き) 20120512
 
20190517 twilio business seminar in osaka #3
20190517 twilio business seminar in osaka #320190517 twilio business seminar in osaka #3
20190517 twilio business seminar in osaka #3
 
IT革命からコミュニティ、コミュニケーション革命に!
IT革命からコミュニティ、コミュニケーション革命に!IT革命からコミュニティ、コミュニケーション革命に!
IT革命からコミュニティ、コミュニケーション革命に!
 
Dec cafe 20201105_vfin
Dec cafe 20201105_vfinDec cafe 20201105_vfin
Dec cafe 20201105_vfin
 
これからの産業をつくるために、ものづくりの今を学ぶ 先生:高野 元・野村 岳史
これからの産業をつくるために、ものづくりの今を学ぶ 先生:高野 元・野村 岳史これからの産業をつくるために、ものづくりの今を学ぶ 先生:高野 元・野村 岳史
これからの産業をつくるために、ものづくりの今を学ぶ 先生:高野 元・野村 岳史
 
サービスデザイン思考×ピクト図解 V1.1
サービスデザイン思考×ピクト図解 V1.1 サービスデザイン思考×ピクト図解 V1.1
サービスデザイン思考×ピクト図解 V1.1
 
①Bmg×ピクト図解 20140211 公開用
①Bmg×ピクト図解 20140211 公開用①Bmg×ピクト図解 20140211 公開用
①Bmg×ピクト図解 20140211 公開用
 
株式会社イーパテント-会社・サービス概要 / e-Patent | Company & Service profile
株式会社イーパテント-会社・サービス概要 / e-Patent | Company & Service profile株式会社イーパテント-会社・サービス概要 / e-Patent | Company & Service profile
株式会社イーパテント-会社・サービス概要 / e-Patent | Company & Service profile
 
e-Patent | Company & Service profile
e-Patent | Company & Service profilee-Patent | Company & Service profile
e-Patent | Company & Service profile
 
DXと名の付くプロジェクトで忘れてはならないこと
DXと名の付くプロジェクトで忘れてはならないことDXと名の付くプロジェクトで忘れてはならないこと
DXと名の付くプロジェクトで忘れてはならないこと
 

Más de Takuya Minagawa

Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Machine Learning Operations (MLOps): Overview, Definition, and ArchitectureMachine Learning Operations (MLOps): Overview, Definition, and Architecture
Machine Learning Operations (MLOps): Overview, Definition, and ArchitectureTakuya Minagawa
 
点群SegmentationのためのTransformerサーベイ
点群SegmentationのためのTransformerサーベイ点群SegmentationのためのTransformerサーベイ
点群SegmentationのためのTransformerサーベイTakuya Minagawa
 
Learning to Solve Hard Minimal Problems
Learning to Solve Hard Minimal ProblemsLearning to Solve Hard Minimal Problems
Learning to Solve Hard Minimal ProblemsTakuya Minagawa
 
ConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdfConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdfTakuya Minagawa
 
20200910コンピュータビジョン今昔物語(JPTA講演資料)
20200910コンピュータビジョン今昔物語(JPTA講演資料)20200910コンピュータビジョン今昔物語(JPTA講演資料)
20200910コンピュータビジョン今昔物語(JPTA講演資料)Takuya Minagawa
 
2020/07/04 BSP-Net (CVPR2020)
2020/07/04 BSP-Net (CVPR2020)2020/07/04 BSP-Net (CVPR2020)
2020/07/04 BSP-Net (CVPR2020)Takuya Minagawa
 
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representationTakuya Minagawa
 
20190131 lidar-camera fusion semantic segmentation survey
20190131 lidar-camera fusion semantic segmentation survey20190131 lidar-camera fusion semantic segmentation survey
20190131 lidar-camera fusion semantic segmentation surveyTakuya Minagawa
 
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentationTakuya Minagawa
 
run Keras model on opencv
run Keras model on opencvrun Keras model on opencv
run Keras model on opencvTakuya Minagawa
 
20181130 lidar object detection survey
20181130 lidar object detection survey20181130 lidar object detection survey
20181130 lidar object detection surveyTakuya Minagawa
 
object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)Takuya Minagawa
 
object detection with lidar-camera fusion: survey
object detection with lidar-camera fusion: surveyobject detection with lidar-camera fusion: survey
object detection with lidar-camera fusion: surveyTakuya Minagawa
 

Más de Takuya Minagawa (20)

Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Machine Learning Operations (MLOps): Overview, Definition, and ArchitectureMachine Learning Operations (MLOps): Overview, Definition, and Architecture
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
 
MobileNeRF
MobileNeRFMobileNeRF
MobileNeRF
 
点群SegmentationのためのTransformerサーベイ
点群SegmentationのためのTransformerサーベイ点群SegmentationのためのTransformerサーベイ
点群SegmentationのためのTransformerサーベイ
 
Learning to Solve Hard Minimal Problems
Learning to Solve Hard Minimal ProblemsLearning to Solve Hard Minimal Problems
Learning to Solve Hard Minimal Problems
 
ConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdfConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdf
 
20210711 deepI2P
20210711 deepI2P20210711 deepI2P
20210711 deepI2P
 
20201010 personreid
20201010 personreid20201010 personreid
20201010 personreid
 
20200910コンピュータビジョン今昔物語(JPTA講演資料)
20200910コンピュータビジョン今昔物語(JPTA講演資料)20200910コンピュータビジョン今昔物語(JPTA講演資料)
20200910コンピュータビジョン今昔物語(JPTA講演資料)
 
2020/07/04 BSP-Net (CVPR2020)
2020/07/04 BSP-Net (CVPR2020)2020/07/04 BSP-Net (CVPR2020)
2020/07/04 BSP-Net (CVPR2020)
 
20200704 bsp net
20200704 bsp net20200704 bsp net
20200704 bsp net
 
20190825 vins mono
20190825 vins mono20190825 vins mono
20190825 vins mono
 
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation
 
Visual slam
Visual slamVisual slam
Visual slam
 
20190131 lidar-camera fusion semantic segmentation survey
20190131 lidar-camera fusion semantic segmentation survey20190131 lidar-camera fusion semantic segmentation survey
20190131 lidar-camera fusion semantic segmentation survey
 
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
 
run Keras model on opencv
run Keras model on opencvrun Keras model on opencv
run Keras model on opencv
 
20181130 lidar object detection survey
20181130 lidar object detection survey20181130 lidar object detection survey
20181130 lidar object detection survey
 
object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)
 
object detection with lidar-camera fusion: survey
object detection with lidar-camera fusion: surveyobject detection with lidar-camera fusion: survey
object detection with lidar-camera fusion: survey
 
3DFeat-Net
3DFeat-Net3DFeat-Net
3DFeat-Net
 

楽しいコンピュータビジョンの受託仕事