腾讯起诉腾迅,获赔30万

推荐大家关注一个公众号

点击上方 "编程技术圈"关注, 星标或置顶一起成长

后台回复“大礼包”有惊喜礼包!

日英文

There are no trails of the wings in the sky, while the birds 6has flied away.

天空没有翅膀的痕迹,而鸟儿已飞过。

每日掏心话

生活中总是充满了选择和矛盾,请一定审视一下自己的内心,去争取那最珍贵的东西。
责编:乐乐 | 来自:程序员求职面试(ID:CoderJob)整理内容参考自:北京法院审判信息网

编程技术圈(ID:study_tech)第 1305次推文

往日回顾:再见了,学术硕士!

     

   正文   

7月26日,腾讯科技(深圳)有限公司等与远速修(天津)汽车科技有限公司等一审民事判决书被公开。爱企查工商信息显示,被告远速修(天津)汽车科技有限公司成立于2019年6月28日,注册资本10万人民币,法定代表人为郭电领。曾用名为腾迅(天津)汽车科技有限公司,经营范围包括汽车维修技术、润滑有技术、发动机清洁技术等。原告腾讯公司诉称:远速修公司成立时间明显晚于腾讯公司。远速修公司在其官方网站、“QE快保”公众号、“企鹅快保Boss”APP、推介会及其他宣传活动中使用“腾迅(天津)汽车科技有限公司”名称,自称“腾迅(天津)汽车科技有限公司是国内大型连锁商用车上门保养服务机构”,未将注册商标规范使用在核定服务上。“腾迅”与腾讯公司字号相近,特别是远速修公司将“腾迅”号与“”标识共同使用,足以使相关公众对其提供的商用车保养服务的来源误认为与腾讯公司具有许可使用、关联企业关系等特定关系,具有攀附腾讯公司企业商誉、谋取不正当利益的主观恶意,构成不正当竞争。腾讯诉称,远速修公司在其网站及APP等使用“企鹅快保”字及“”图形标识,且将“腾迅”用作企业字号,全方位复制、摹仿腾讯公司的标识、傍名牌的恶意明显,容易误导相关公众,侵害了腾讯公司的涉案商标专用权。点动公司是涉案"企鹅快保”APP的开发者,在涉案商标有极高知名度的情况下,点动公司对侵权为应该知晓,但其对远速修公司的侵权行为提供了实质性的帮助,依据《中华人民共和国侵权责任法》第八条的规定,应当承担连带责任。搜索公众号后端架构师后台回复“架构整洁”,获取一份惊喜礼包。远速修公司同时使用了与腾讯公司字号“腾讯”相近似的企业字号“腾迅”,主观恶意明显,构成不正当竞争行为等。被告远速修公司辩称:不同意腾讯公司的诉讼请求,请求驳回其的诉讼请求。第一,腾讯公司的涉案商标不符合驰名商标的认定条件。第二,远速修公司未侵害腾讯公司的注册商标专用权,“企鹅快保”与“”商标不会造成相关公众的混淆误认。腾讯公司“企鹅”文字及图形商标与远速修公司的“”商标不构成近似商标。第三,远速修公司原名称系经工商部门核准登记,经营范围与腾讯公司不同,远速修公司基于对行政部门的信任使用"腾迅”二字,没有搭便车的恶意,且现已更名。第四,在腾讯公司起诉时,远速修公司无任何收益,腾讯公司亦无损失,远速修公不应承担损害赔偿责任。被告点动公司辩称:不同意腾讯公司的诉讼请求,请求驳回其诉讼请求。第一,点动公司与远速修公司是甲乙方关系,远速修公司委托点动公司进行软件开发,双方之间没有归属关系和股权交叉。开发软件的权属属于远速修公司,侵权行为与点动公司无关。第二,腾讯公司主张侵权的logo是远速修公司提供的,涉嫌侵权的内容不是点动公司的智力成果,也未从侵权内容中获利。远速修公司有合法的营业执照,软件中的其他内容权利合法。法院认为,远速修公司在其官方网站、“企鹅快保Boss”APP及其他宣传活动中使用“腾迅(天津)汽车科技有限公司”名称,“腾迅”与腾讯公司字号相近,构成不正当竞争。判决结果为远速修公司赔偿腾讯公司经济损失及维权费用共计30万元等。远速修公司不服判决,向北京市最高人民法院上诉。法院称,在本案审理过程中,上诉人深圳市腾讯计算机系统有限公司、上诉人腾讯科技(深圳)有限公司自愿向本院申请撤回起诉,上诉人远速修(天津)汽车科技有限公司及原审被告点动互联(北京)科技有限公司同意该撤回起诉申请。本院认为,上诉人深圳市腾讯计算机系统有限公司、腾讯科技(深圳)有限公司提出撤回起诉申请,已经上诉人远速修(天津)汽车科技有限公司及原审被告点动互联(北京)科技有限公司同意,且不损害国家利益、社会公共利益、他人合法权益,本院予以准许。本裁定为终审裁定。你还有什么想要补充的吗?PS:欢迎在留言区留下你的观点,一起讨论提高。如果今天的文章让你有新的启发,欢迎转发分享给更多人。
版权申明:内容来源网络,版权归原创者所有。除非无法确认,我们都会标明作者及出处,如有侵权烦请告知,我们会立即删除并表示歉意。谢谢!
欢迎加入后端架构师交流群,在后台回复“学习”即可。
最近面试BAT,整理一份面试资料《Java面试BAT通关手册》,覆盖了Java核心技术、JVM、Java并发、SSM、微服务、数据库、数据结构等等。在这里,我为大家准备了一份2021年最新最全BAT等大厂Java面试经验总结。别找了,想获取史上最简单的Java大厂面试题学习资料扫下方二维码回复「面试」就好了猜你还想看阿里、腾讯、百度、华为、京东最新面试题汇集优雅的阅读框架源码腾讯员工吐槽:团队来了个阿里高p,瞬间会议变多,群多了
详解MQ消息队列及四大主流MQ的优缺点
嘿,你在看吗?
  • 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
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
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