Lex专栏:中移动寄望海外收购保持增长?

就在竞争监管机构否决全球最大饮料公司对华收购交易一天后,全球最大的移动电话公司——中国移动(China Mobile)——重申,它正在物色海外收购机会。

说点大话是可以谅解的。中国移动尚未感受到去年5月中国电信行业重组的全部影响。这家移动运营商周四公布了4年多来年度利润增长最缓慢的业绩,但这主要是由于农村地区网络升级的成本 —— 中国13亿人口中,仍有3000万未被移动网络覆盖。去年中国移动的用户总数增长了近四分之一,达到4.57亿,每个月新增用户相当于伦敦的总人口。

对中国的两家固话运营商中国电信(China Telecom)和中国联通(China Unicom)来说,行业重组乃是向它们伸出援手。随着消费者大批转向移动电话,这两家公司都在苦苦挣扎。

今年上半年,两家公司都将开通第三代移动通信(3G)服务。虽然它们都没有足够的网络质量、分销能力或营运效率,不足以严重侵蚀中国移动73%的用户份额或80%的营业收入份额,但这场竞争出现的时机很棘手。

今年头两个月,中国移动新增顾客的速度减慢了10%多一点。更令人担忧的是,在2008年,关键的顾客弹性指标——费率下降被使用量增加所抵消的程度——降低了一半以上。

话说回来,负债率极低的中国移动——只有8%,而全球平均水平约为50%——仍处于不可否认的强势地位。它进行收购交易历来有两个条件:控股股份;在新兴市场。两年前收购巴基斯坦巴科泰尔(Paktel)89%的股份时,这两个条件都得到了满足。现在,它已经放弃了控股要求,有关它将入股南非MTN的传言,预期还将继续流传下去。

[@more@]

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/20908124/viewspace-1019147/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/20908124/viewspace-1019147/

  • 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:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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