关于注册公司创业的事,其实很简单

不少朋友留言说要怎么注册公司。

大家都是搞技术的,要注册一个科技公司,过程并不复杂。

目前,在海淀是支持技术100%出资的,也就是说你不需要一分现金,按技术进行100%投资。

步骤如下:
1、可以直接在网上http://www.hddjbaic.gov.cn/ 注册,按页面要求操作就行了。
2、准备为你的技术写一个文档,然后找家评估、会计事务所进行评估,50万以内的评估很容易过,而且不麻烦,超过50万的就比较麻烦。评估费大概是0.2%,即50万要1000元左右,你可以谈价,谈到700-800元,看你的本事了。

3、然后就是找房子,现在北京要求只有商业房子才可以注册。如果我有资金来支付房租的话,可以按能力租个可以注册的办公房。如果资金不多,可以考虑找一些合租,或是很小的办公室或是办公位(工位),租前一定要问出租方是不是可以出示注册证明,并是否要另外收费,注意不要和中介打交道。一般去网上发些贴子,自然有人会联络你的。

4、在第1项,如果能通过预审的话,按页面要求下载相应资料,打印出来,填写好,贴好相关复印件,相关人签名。拿上技术评估报告、租房合同等文件交工商局窗口(海淀区应该是交到航天桥西边的办事大厅相应窗口),如果没有什么问题,一周后可以拿到执照。

5、一周后拿到执照后,可就先到办理公章审核,再到指定的刻章的地方去刻就行了。提醒一下,你可以先去工商局附近的找一个刻章的地方,让他们给办理公章审核和刻章,这样可以要求他们刻章费用便宜一些。如果是你自己办审核后指定到他们那去刻他们可能就不会给你什么便宜的价格,你总不好意思再让公安局的办事人重新给你指定一定吧。不过,即使指定了你了可以谈谈价格的,比报价少100-200元,我上次就是故意拖了一天才去找他们的,谈了好一会让,让他们便宜了一些。

6、有了公章,就可以办其它的事了,不过,得先办代码证。3-5天后可以领取。

7、去银行办理开户。大家可以选择浦发行(日均存款50万以下,不计利息),农村商业银行(银行),北京银行(50元以下,每月要交50元的管理费),如果你的资金不是很多,不要浪费时间去找大银行,他们不为穷人服务。

8、再往下就是办税务登记了,这个也比较容易。按他们要求把资料准备好,交上去就可以了。

9、拿到执照、税证,需要分别到工商所、税务所去报到。工商所可能要求你加入什么个体私营协会,交纳年费,你可以不加入。

到此,全部过程就算是完了。

提示:
1、租房合同中的房租是要在办税登记时交易一种税,以房租多少来计算的,你可以在定合同时,和出租方把房租写少一点,这样就少交些税,不过也节省不了多少。也就是几十元到百元左右,除非你租的是几十万、上百万的房子。

2、如果你自己请不会计,你可以找会计财务公司代理记账。每月200-300元,我的就是200元。

3、大家在注册时如果有现金出资的话,这笔钱在注册完成后转你公司的银行账户,按理说这笔钱公司有完全自由支配的权力,但事实上你很难以现金的方式提出来。各银行都有限制的。你只能是通过公司对公司的方法进行转移(可以是汇款、转账支票等形式。)
 

  • 0
    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心问题之一。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,需要同时满足下面三个条件: 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