《金融行业需要搅局者》



风险永远存在,但是我们必须用创新的方法解决风险,永远不要忘记,我们的目的是解决生活问题、商业问题和商贸问题。

我跟很多人一样以前抱怨很多,说金融这不对那不对,后来了解多了发现,人家也没办法。中国的金融行业特别是银行业服务了20%的客户,我看到的是80%没有被服务的企业。

把他们服务好,中国经济巨大的潜力就会被激发出来。我们必须用新的思想、新的技术去服务他们。这可能是中国未来金融行业发展的巨大前景所在。

未来的金融有两大机会,一个是金融互联网,金融行业走向互联网;第二个是互联网金融,纯粹的外行领导,其实很多行业的创新都是外行进来才引发的。金融行业也需要搅局者,更需要那些外行的人进来进行变革。

有时候我们认为,我可以做得更好,因为不懂,而世界往往是被那些不懂的人搞翻天的。所以,开放首先是思想开放,不是政策开放。只有思想开放,才可能有技术开放、政策开放。

中国不缺银行,但是缺乏一个对10年以后经济成长承担责任的金融机构。今天的金融,确实做得不错,没有今天的支撑20%客户这样的金融机构,中国的经济30年来不可能发展到今天。但是靠今天这样的机制,我不相信能够支撑30年后中国所需要的金融体系。

很多问题不是今天造成的,而是历史造成的。我们很难改变历史,但我们可以改变未来。今天做准备,10年以后才有机会。今天我们引进开放,可能会有问题,但是今天的问题就会变成10年以后的成绩。
  • 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
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