通用汽车可能被迫剥离GMC品牌

知情人士透露,在通用汽车公司(General Motors Corp.)努力于6月1日前完成改组之际,该公司面临来自政府方面要求其考虑剥离GMC品牌的压力。

该品牌原计划在通用汽车进行重组后仍继续保留在该公司中。但据知情人士透露,美国政府并不认为通用汽车未来继续保留GMC品牌的计划可行。通用汽车已经在剥离旗下悍马(Hummer)、萨博(SAAB)和Saturn品牌。这些品牌的汽车销量均出现大幅下滑。

通用汽车的一位发言人表示,该公司的策略依然没有改变,其中包括把别克(Buick)、Pontiac和GMC并入一个单一的销售网络。现在还没有就GMC品牌的未来命运作出决定。

CNBC电视频道的Phil LeBeau周四报导,通用汽车已接近于敲定一项出售其悍马品牌的交易。交易价格预计为1亿美元至1.5亿美元。LeBeau称,在两三家竞购者中,一家中资制造企业最可能成为最后买家。

彭博资讯(Bloomberg)周四援引知情人士报导,通用汽车正计划到4月27日向所有债券持有人正式提出275亿美元的债转股提议。通用汽车公司还可能向债券持有人以现金形式支付应计利息,不过消息人士称这个债转股新提议的条款还是初步的。为避免破产,通用汽车公司一直在制定一项计划,以期在6月1日前将其280亿美元无担保债券削减掉一大部分。

另据路透社(Reuters)周四援引消息人士的话报导,通用汽车已经向经销商表示,公司正在加速推进关闭大约1,700家汽车经销店的计划,作为在6月最后期限前向美国政府提交的重组计划中的一部分。

路透社在其网站上称,今年迄今已经有大约200家通用汽车的经销商停业。

此前美国政府要求通用汽车在6月份之前提交新的重组计划。

路透社称,根据重组计划,削减美国经销商的数量是通用汽车的首要任务之一。

[@more@]

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/20908124/viewspace-1020752/,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-1020752/

  • 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
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