Enviar búsqueda
Cargar
楽しいコンピュータビジョンの受託仕事
•
0 recomendaciones
•
2,067 vistas
Takuya Minagawa
Seguir
2021/10/09にPRMUとの共催で開催された第8回全日本コンピュータビジョン勉強会(JapanCV)「コンピュータビジョンのお仕事」の発表資料です。
Leer menos
Leer más
Tecnología
Denunciar
Compartir
Denunciar
Compartir
1 de 48
Descargar ahora
Descargar para leer sin conexión
Recomendados
SSII2022 [OS1-01] AI時代のチームビルディング
SSII2022 [OS1-01] AI時代のチームビルディング
SSII
【DL輪読会】NeRF-VAE: A Geometry Aware 3D Scene Generative Model
【DL輪読会】NeRF-VAE: A Geometry Aware 3D Scene Generative Model
Deep Learning JP
機械学習モデルのサービングとは?
機械学習モデルのサービングとは?
Sho Tanaka
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII
tf,tf2完全理解
tf,tf2完全理解
Koji Terada
【DL輪読会】Which Shortcut Cues Will DNNs Choose? A Study from the Parameter-Space...
【DL輪読会】Which Shortcut Cues Will DNNs Choose? A Study from the Parameter-Space...
Deep Learning JP
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
Recomendados
SSII2022 [OS1-01] AI時代のチームビルディング
SSII2022 [OS1-01] AI時代のチームビルディング
SSII
【DL輪読会】NeRF-VAE: A Geometry Aware 3D Scene Generative Model
【DL輪読会】NeRF-VAE: A Geometry Aware 3D Scene Generative Model
Deep Learning JP
機械学習モデルのサービングとは?
機械学習モデルのサービングとは?
Sho Tanaka
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII
tf,tf2完全理解
tf,tf2完全理解
Koji Terada
【DL輪読会】Which Shortcut Cues Will DNNs Choose? A Study from the Parameter-Space...
【DL輪読会】Which Shortcut Cues Will DNNs Choose? A Study from the Parameter-Space...
Deep Learning JP
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
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
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
cvpaper. challenge
【DL輪読会】WIRE: Wavelet Implicit Neural Representations
【DL輪読会】WIRE: Wavelet Implicit Neural Representations
Deep 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...
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
Kento 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~
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...
Deep Learning JP
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
Deep Learning JP
【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
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?〜
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
SSII
ResNetの仕組み
ResNetの仕組み
Kota Nagasato
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
Deep Learning JP
20190307 visualslam summary
20190307 visualslam summary
Takuya 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―
Yosuke Shinya
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17
Takuya Akiba
[DLHacks]StyleGANとBigGANのStyle mixing, morphing
[DLHacks]StyleGANとBigGANのStyle mixing, morphing
Deep Learning JP
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
Hiromasa Oka
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
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
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
cvpaper. challenge
【DL輪読会】WIRE: Wavelet Implicit Neural Representations
【DL輪読会】WIRE: Wavelet Implicit Neural Representations
Deep 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...
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
Kento 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~
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...
Deep Learning JP
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
Deep Learning JP
【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
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?〜
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
SSII
ResNetの仕組み
ResNetの仕組み
Kota Nagasato
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
Deep Learning JP
20190307 visualslam summary
20190307 visualslam summary
Takuya 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―
Yosuke Shinya
分散深層学習 @ NIPS'17
分散深層学習 @ NIPS'17
Takuya Akiba
[DLHacks]StyleGANとBigGANのStyle mixing, morphing
[DLHacks]StyleGANとBigGANのStyle mixing, morphing
Deep 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
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
【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...
[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~
【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
[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
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?〜
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
[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 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―
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
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
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
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
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
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
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
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
ssuserfea64a1
ISID 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
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...
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
知礼 八子
20190517 twilio business seminar in osaka #3
20190517 twilio business seminar in osaka #3
Ukyo 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!
Yuichi Morito
Dec cafe 20201105_vfin
Dec cafe 20201105_vfin
Daichi 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
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
Hidehiko Akasaka
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
e-Patent Co., Ltd.
e-Patent | Company & Service profile
e-Patent | Company & Service profile
Atsushi 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
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
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
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
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
ISID 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
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
20190517 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!
Dec 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
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
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 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
Más de Takuya Minagawa
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Takuya Minagawa
MobileNeRF
MobileNeRF
Takuya 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
Takuya Minagawa
Learning to Solve Hard Minimal Problems
Learning to Solve Hard Minimal Problems
Takuya Minagawa
ConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdf
Takuya Minagawa
20210711 deepI2P
20210711 deepI2P
Takuya Minagawa
20201010 personreid
20201010 personreid
Takuya 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)
Takuya Minagawa
2020/07/04 BSP-Net (CVPR2020)
2020/07/04 BSP-Net (CVPR2020)
Takuya Minagawa
20200704 bsp net
20200704 bsp net
Takuya Minagawa
20190825 vins mono
20190825 vins mono
Takuya Minagawa
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation
Takuya Minagawa
Visual slam
Visual slam
Takuya Minagawa
20190131 lidar-camera fusion semantic segmentation survey
20190131 lidar-camera fusion semantic segmentation survey
Takuya 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 segmentation
Takuya Minagawa
run Keras model on opencv
run Keras model on opencv
Takuya Minagawa
20181130 lidar object detection survey
20181130 lidar object detection survey
Takuya Minagawa
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: survey
Takuya Minagawa
3DFeat-Net
3DFeat-Net
Takuya Minagawa
Más de Takuya Minagawa
(20)
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
Machine Learning Operations (MLOps): Overview, Definition, and Architecture
MobileNeRF
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
Learning to Solve Hard Minimal Problems
Learning to Solve Hard Minimal Problems
ConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdf
20210711 deepI2P
20210711 deepI2P
20201010 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)
2020/07/04 BSP-Net (CVPR2020)
2020/07/04 BSP-Net (CVPR2020)
20200704 bsp net
20200704 bsp net
20190825 vins mono
20190825 vins mono
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation
Visual slam
Visual slam
20190131 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 segmentation
run Keras model on opencv
run Keras model on opencv
20181130 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
object detection with lidar-camera fusion: survey
3DFeat-Net
3DFeat-Net
楽しいコンピュータビジョンの受託仕事
1.
楽しいコンピュータビジョンの受託仕事 2021/10/09 takmin
2.
自己紹介
3.
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
4.
会社紹介
5.
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
6.
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
7.
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
8.
本題
9.
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
10.
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
11.
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。
12.
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。
13.
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
14.
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
15.
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
16.
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
17.
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
18.
お客さんが「本当にやりたいこと」 18
19.
顧客の目的をしっかり押さえる 19 典型的な事例 顧客
20.
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。。。
21.
「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.
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。
23.
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
24.
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
25.
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
26.
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
27.
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
28.
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)
29.
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)
30.
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
31.
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?
32.
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
33.
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!
34.
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。
35.
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
36.
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
37.
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
38.
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
39.
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
40.
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
41.
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.
42
43.
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.
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
45.
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。
46.
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!
47.
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
48.
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。
Descargar ahora