资产科目

一、资产类 

      111     存放中央银行款项
      112     存放同业款项
      113     存放联行款项
      121     拆放同业
      122     拆放金融性公司
      123     短期贷款
      124     中长期贷款
      125     抵押贷款
      126     贴现
      127     预期贷款
      129     贷款呆帐准备
      131     进出口押汇
      132    应收利息
      138     坏账准备
      139     其他应收款
      141     短期投资
      142     长期投资
      151     固定资产
      152    累计折旧
      153     固定资产清理
      154     在建工程
      161     无形资产
      162      递延资产
      163     待处理财产损益

二、负债类
          201           活期存款
           205           定期存款
           211           活期储蓄存款
           264         应付福利费
           265         应交税金
           266         应付利润
           267         预提费用
           271         长期借款
           272         发行债券
           273         长期应付款
           275         住房周转金
           281         外汇买卖

 三、所有者权益类
           301          实收资本
           302          资本公积
           303          盈余公积
           311          本年利润
          312          利润分配

                                四、损益类
          501          利息收入
          502          金融企业往来收入
          511          手续费收入
          512          其他营业收入
          513          汇兑收益
          514          投资收益
          515          营业外收入
          521          利息支出
          522          金融企业往来支出
          531          手续费支出
          532          营业费用
          535          营业税金及附加


  • 0
    点赞
  • 1
    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
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