设计思维自学报告

设计思维自学报告

一、什么是设计思维

设计思维是一种以人为本、目标导向的思维模式。这种设计思维是用一套工具流程,可以把创新做到流程化、规范化,有一套方法论。
设计思维有几个重要的点:
1.以客户为中心。 设计思维强调的是“以人为本”,要站在客户的角度上去思考问题,实现创新。这就要求要做到换位思考,了解客户的真正需求。

万豪酒店认为客人登记入住是客户进入酒店最重要的时刻,所以在此时给客户提供最佳的服务应该是良好印象的开始,也是让客人感受宾至如归的时刻。这就要求设计师设计一个登记入住的优质服务。设计师着手进行设计思维的步骤之一——观察:从机场客人上车到进入自己的房间进行了仔细观察,并且做了亲身体验,从机场上车到酒店门童接待,再到登记入住,最后乘电梯进入房间,客人脱下西服,摘掉领带,躺到床上,打开电视,开始休息。观察结果发现,客人对酒店的印象有一个关键时刻,但登记入住和门童都不是关键时刻,而进入房间“舒口气”,在像家一样的环境下,将整个旅程的疲劳在这里“冲洗掉”才是关键时刻,所以设计应该重点放在这“舒口气时刻”,设计出像家的感觉,这一思维模式就是设计思维。

2.目标导向。 要获得一个创新性的解决方案,就要站在未来的角度,而不是考虑现在的问题所在。在设计思维中,首先要定义一个美好的未来,再分析现在到未来有多大差距,要达成未来的目标会遇到那些瓶颈,接下来一步一步分析如何解决这些困难,从而找到解决方案。

在探讨如何降低割草机的噪音时,不是基于现状考虑添加润滑剂、增加减震系统等,而是设计一个美好的未来,如不使用割草机。那么这要如何实现呢,我们就可以想到使用化学药品使得草不再长高,这样就不用割草机了。要研究出这样的化学药品,我们还需找到相关的原材料……这样从美好的未来入手,一步一步回推,找到解决方案。

3.原型法。 只要有一个好的想法就立刻动手去做,即设计思维中说的“just do it”,在做的过程中发现问题再逐步去调整、改进,先把设计做成,再把设计做好,在实践中逐步完成最终的项目。

在这里插入图片描述

4.民主集中制。 要将事情做好,就要广泛征集大家的意见,集思广益。在别人提出想法时,不应批评,而是在别人想法的基础上获得更有用、更狂野的想法。最后将大家的点子集中汇总,大家通过投票等方式确定最终的解决方案。
在这里插入图片描述

5.右脑思维。 设计思维中强调右脑思维,要有狂野的想法。在创新的过程中要打破常规,打破定式的逻辑思维,以开放的心态,换一个角度去思考问题,这样会获得很好的点子。

美国艾士隆公司董事长布希耐一次在郊外散步,偶然看到几个小孩在玩一只肮脏且异常丑陋的昆虫,爱不释手。布希耐顿时联想到:市面上销售的玩具一般都是形象优美的,假若生产一些丑陋玩具,又将如何?于是,他布置自己的公司研制一套“丑陋玩具”,迅速向市场推出。
这一炮果然打响,“丑陋玩具”给艾士隆公司带来了收益,使同行羡慕不已。于是“丑陋玩具”接踵而来,如“疯球”就是在一串小球上面,印上许多丑陋不堪的面孔;橡皮做的“粗鲁陋夫”,长着枯黄的头发、绿色的皮肤和一双鼓胀而带血丝的眼睛,眨眼时又会发出非常难听的声音。这些丑陋玩具的售价超过正常玩具,但一直畅销不衰,而且在美国掀起了行销“丑陋玩具”的热潮。 这“丑陋”的灵感获得商业成功,为艾士隆公司广开财源,其根本原因就是抓住了两种消费心理:追求新鲜和逆反心理。

二、设计思维的流程

设计思维有五个步骤,分别是同理心思考、需求定义、创意构思、原型实现、实际测试。

1.同理心思考
同理心,又叫做换位思考,它要求站在别人的角度上看问题,设身处地、将心比心,只有这样,才能真正了解别人的想法和需求。在这个步骤中,我们需要对研究主题相关的人群做一系列的探索、调研,完全站在他们的角度,去真正了解他们处境和遇到的问题。我们可以通过观察、访谈等方法,获得第一手和第二手资料,如客户的需求、当前存在的问题等,以便在后续阶段使用。
在这里插入图片描述

2.问题定义
在这个步骤中,我们需要对前一个步骤收集到的资料进行分析和处理,发现问题的所在,并以此来定义讨论的主题。后续的步骤也都将围绕这一定义的主题进行。
在这里插入图片描述

3.创意构思
在收集到相关资料并确定讨论的主题后,就需要对这一主题展开创意构思。在这个步骤中,我们需要利用头脑风暴,获得大家的各种点子,再将大家的想法汇总在一起,对这些点子进行分析探究,通过投票的方式确定优先级。之后利用这些整理过后的想法,确定出一些解决方案。
在这里插入图片描述

4.原型实现
在获得一些方案后,我们需要对这些方案进行原型设计,可利用乐高积木、橡皮泥、草图等方式将这些方案用直观的方式表现出来,再围绕这些原型继续进行分析和探究,对所设计的原型和初步拟定的方案进行逐步的改进和迭代,直到得到可以进行实际测试的原型和最终的一个解决方案。
在这里插入图片描述

5.实际测试
在这个步骤中,我们需要对我们确定的解决方案和设计的原型进行实际的测试。根据测试的实际效果和客户的反馈,我们可以进一步对解决方案进行升级,随后再进行下一步的测试,直到这一解决方案能很好地解决之前确定的问题。
在这里插入图片描述

下面是一个例子:

2008年,简·玛丽·陈被分配了一个课堂项目——创制一个可以在农村地区使用的低成本婴儿保育箱。正是这个作业给她树立了一个目标,一个能改变世界的发明。
经过资料搜集,她得知了一个惊人的数据:每年全球出生的2000万早产儿和低体重婴儿中,接近400万因无法以足够的脂肪来维持体温而夭折,幸存的孩子中,也有很多因早期体温不稳定、器官不能正常发育而罹患一些伴随终生的慢性病。特别是在贫穷地区,当地没有价格昂贵的保育箱,他们大部分因体温过低而死。为保住初生的早产儿,还是学生的她决定,要改变这一切。
执行力超强的她联系计算机系和化学系同学,快速地组建了一个团队,设计了一个价格只有传统保育箱1%的设备。
当学校课程结束,其他人拿着A+心满意足时,简·陈把课堂项目引入了生活中,她的团队已带着原始模型,雄心勃勃地在去往印度实践的路上了。现实体验远比想象中残酷。她在印度一个村子的诊所里遇到带着早产女儿去看病的母亲,当时他们发明的保育箱需接通电源,但在村子里没有电源。母亲和医生使出浑身解数也只能眼睁睁地看着孩子因无法保温去世。
现实让简·陈团队之前纸上谈兵的设计模型变成了废品。经过考察,她意识到真正能帮助发展中国家的救命产品,必须极其方便和便宜。使用者无需医学常识和电源,让产婆和母亲在家里就能操作。
她始终不能忘记那个在眼前逝去的小生命,以及母亲那绝望的眼神。她铭记着:“要为像她这样的人设计产品。每放弃一天,就有接近一万个生命失去活着的权利。”团队决心一致:“继续干吧,即使推倒一切重新来过。”
为找到最适合的安全材料,她的团队几乎买了所有的婴儿保暖产品,反复地拆装。实验室的窗户上,总是贴满了草纸,大家捧着一个婴儿模型,夜以继日地研讨。每天都在不断的讨论,整个小组几乎都快成了育婴专家了。随着讨论的不断深入,他们终于在无数个被推翻的设计里,选出了一个符合预期的原型。
简·陈的团队把“保育器”设计成了一个很像襁褓的小睡袋,外面是全防水、易消毒的特殊布料。只要把保暖材料放进睡袋背后的夹层里,就形成了一个能持续保温的小恒温箱。
他们选定了一种特殊的保暖材料,形态像蜡,熔点只有37摄氏度,恰好是人的体温,热水就可以很方便地将其融化。每加热一次,就可以持续温暖新生儿4到6小时,可以保护初生儿度过危险期。最主要的是很容易操作。
他们带着产品再次回到印度,并把研究室驻扎在了那里。当他们设计的保育器救活了第一个宝宝时,他们的内心是激动的,所有的努力都没有白费,他们终于成功了。
这项设计相当安全,便于携带,造价低廉。5年前刚上市的时候,这款保温袋的定价是25美元,不到传统保暖箱的0.1%。即使贫穷地区也能用得起。使用过程不插电,可重复使用,小体积不受时间和地点的限制。他们为之命名“拥抱”:“通过简单的温暖拥抱,我们可以拯救许多生命。”
仅在几年里,这款保温袋已经在印度、中国、墨西哥、乌干达等国投入使用,拯救了超过15万个早产儿。而“拥抱”准备在未来拯救上百万,甚至数亿生命。

在这个例子里,简·玛丽·陈的团队因为一开始没有利用同理心,没有真正了解人们遇到的问题,仅仅凭自己的想法去做,而遭受了失败。在那以后,他们吸取教训,经过细致的实地考察发现了问题所在,即在贫穷的地区,由于缺少电源等条件,保育箱的使用不方便。于是,他们确定了一个设计的主题,即设计一个价格便宜、使用方便的保育箱。随后,他们夜以继日地对这一问题进行深入的探讨,获得设计的想法。之后,他们设计出产品的原型,即一个可以保温的小睡袋。最后,他们带着设计出来的原型回到印度,进行实际的测试。最终,测试取得很好的效果,他们的产品也成功上市,获得很多人的欢迎。简·玛丽·陈的团队利用以上五个设计的步骤,完成了最终的解决方案。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值