深入贯彻党中央全面深化行政检察监督新要求 探索推进行政违法行为监督

来源 :人民检察 | 被引量 : 0次 | 上传用户:haierv70
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
<正>党的十九届六中全会通过的《中共中央关于党的百年奋斗重大成就和历史经验的决议》强调,确立习近平同志党中央的核心、全党的核心地位,确立习近平新时代中国特色社会主义思想的指导地位,反映了全党全军全国各族人民共同心愿,对新时代党和国家事业发展、对推进中华民族伟大复兴历史进程具有决定性意义。"两个确立"既是深刻总结党的百年奋斗、党的十八大以来伟大实践得出的重大历史结论,更是新时代党和国家事业发展、推进中华民族伟大复兴历史进程的重大实践要求。检察机关是国家法律监督机关,更是政治机关,具有鲜明的政治属性,
其他文献
在这个计算机、通信发展迅速的年代,人们接触到的文本、视频、音频,包括图像等多媒体信息越来越多。通过互联网,人们正在一步一步的实现全球多媒体信息的共享。用户对多媒体信息的查询也变得越来越普遍。各种新的应用需求也随之而来。跨媒体检索技术,指的不同模态之间可以相互交叉检索的检索方式,即通过某一种模态的实例检索出与之语义相关的其它模态的样本。跨模态检索到的结果与单模态相比,内容丰富,能将查询对象更加立体地
近几年,在计算机视觉领域,目标跟踪问题成为研讨热点之一。视频单目标跟踪是计算机视觉的重要研究课题,在视频监控、机器人、人机交互等方面具有广泛应用。作为计算机视觉领域的关键问题,单目标跟踪算法可以根据在连续图像序列中的跟踪信息,绘制给定物体的轨迹信息,方便后续进行行为分析和异常检测。大数据时代的到来及深度学习方法的出现,为视频目标跟踪的研究提供了新的契机。因此,单目标跟踪问题具有重要的理论意义和研究
视频目标分割是计算机视觉的重要研究内容,在视频监控以及人机交互等领域具有广阔的应用前景。随着深度学习在视频目标分割任务上取得重大突破,如何将性能优异的视频目标分割模型快速应用到实际的监控场景中,已经成为建设智慧城市、维护公共安全的迫切需求。本文针对实际应用场景下的视频目标分割问题,着重解决在实际应用过程中进行快速准确的视频目标分割,论文的主要创新点包括以下几个方面:(1)提出了一种基于目标注意力机
当前随着深度学习研究的日益深入,深度神经网络算法在数字图像处理、语音识别、自然语言处理等诸多领域崭露头角,呈现出很好的发展态势。三维卷积神经网络是深度神经网络的一个分支,相比普通的神经网络,它可以适应更高维度、更复杂的数据处理,比如视频分类、医疗图像分割、点云数据处理等。三维卷积神经网络的优秀性能已经得到了公认,但其巨大的计算量和数据量也限制了其推广应用,因此研究三维网络的硬件加速方法成为了一种必
近来几年,由于有监督的深度学习技术飞速迭代进步,很大程度地推动了人工智能应用的发展[1]。基于大规模有标注数据集[2]的出现,才有了有监督学习的深度学习的发展。但是由于手工标注数据集既昂贵又耗时[3]、数据集标注错误难以避免、标注时需要面向领域的专业知识、原始数据质量参差不齐,这些问题严重制约着高质量标注数据的产生。因此,面向实际场景的数据集标注,具有极强的现实意义和研究价值,是一个亟待解决的问题
随着5G技术逐渐成熟及其商业应用产品慢慢普及,原本发展了数年的边缘计算进一步成为了研究热点,将人工智能技术与边缘计算领域融合更是引起了研究者们的强烈兴趣。但是,内存消耗型和计算密集型的深度学习算法与资源匮乏型的边缘终端硬件形成巨大冲突。本文针对边缘计算与深度学习的融合需求,将只有8KB内存的微型开发板作为研究和移植目标平台,深入分析了模型压缩、模型拆解、自动编码和模型存储关键技术,并在此基础上提出