第三方的监督有利于促进软件的质量

目前中国市场对软件的技术需求还处于初中级阶段(个人想法),有很多公司都在做外包,对方需要什么我们就能做什么,而事实上很多用户对这方面的想法不是很清晰,所以导致产品就是产品,外包就是外包,卖一件是一件。懂的越来越懂,不懂得越来越糊涂。懂的觉得这个软件不符合自己公司使用,不懂得觉得电脑程序很“多余”。

 

这个让我想起我过去的经历:

 

我有一个客户很有钱,但是他碰到了很大的管理问题,需要我们协助制作个辅助他们的系统。

而这类问题普通程序会怎么处理?程序会这样做:

程序:你估计预算多少?

客户:XXX大元

程序:恩,行,可否把你的需求说下

客户:……我不知道怎么说,你知道XXX软件吧,按那个做一个

程序:恩,我想想,这个需要用XXX语言开发,XXX技术做界面以及一些插件,得用MVC结构因为MVC方便维护,过两天我们给你出个界面小样你看行就签合同吧

客户:行(根本听不懂)……

几个月开发完毕验收

客户:我们不要这个功能(因为我不懂这个干吗的),我要这个,我看到这个功能不错,我想要这个。。。

程序:。。。(这么改我都白做了,以后我做东西之前都在合同里面钉死他的功能,他只说自己能看懂的东西是好的,对了网上有个开源的代码直接下了给他吧)

从此以后,我们程序都有了一个习惯,死劲的围着客户转,一点点的确认,一点点的做,做的界面都很酷,但是实际功能都是之前的老套。

 

而最终客户由于不堪忍受每天的纠缠,妥协而结账走人,而实际软件并没有完全解决它的问题。

程序里面有很多程序员“个性”的发挥,代码混乱无法再继续第二次开发。最后只能全部淘汰。

 

而客户从此对软件很失望。。。对外包公司不再信任,于是自己雇佣人去开发,但是“一将难求”一个真正独立能做完整程序的人更喜欢在专业的公司工作而不是为不懂得老板服务,因为不懂会导致隔阂,导致不理解程序的想法,最终导致这个计划失败。

 

而相对来说有第三方监督双方的时候会更灵活些,配以专业的人员以顾问监督的方式去促进两方

 

客户:我要这个,这个,这个。。。

专业MBA:- -||你要这么多干嘛你要解决的问题是:这个。。这个。。需要用这几个就可以解决你的所有问题,其他功能属于陪衬不值得花费更多金钱。

 

程序:我觉得用Java做比较好,流行,大支持。。。。

技术咨询:我们评估了下这个用PHP就可以了,内网使用不需要用大型企业框架

 

客户:我不知道自己想要什么,但是我想提高我的收入

专业MBA:告诉我你的现状我帮你分析下哪里能再深入

 

这个就是我的经历,可能有些歪曲吧。。毕竟我是想表达这个意思。。感觉做程序做多了,反倒不会表达了

 

如果程序和客户之间能有一个专业人士去替他们做决策,那么程序和客户都能知道对方的意思更好的沟通,找到问题,并有针对性的解决,这就是我说的也许用第三方的监督促进两方合作。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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