人脸识别技术的商业化潜力

人脸识别技术属于模式识别范畴,是通过识别生物特征完成身份认证。近年来,人脸识别技术从实验室走向市场,进入实用化阶段。随着人工智能和深度学习技术的应用越来越成熟,计算机在人脸识别的精度和效率方面已经超过人类。人脸识别技术已经被大量应用于政府机关、军队系统、银行系统、海关以及安全防务等领域。本文简述了人脸识别技术发展现状,分析了人脸识别技术的商业化前景。     

如何办理报关单证担保申请

海关事务担保一般分为申请提前放行货物担保、办理特殊业务需要担保和海关依法强制收取担保三种情形。其中，企业办理通关手续中的申请提前放行货物担保最为普遍。海关提供通关担保主要是为了企业提供通关便利．担保风险除了进出口货物应缴纳税款外，还有相当部分是针对海关行政程序中对企业申报的报关单证审核风险处置的需要。     

从关税三大技术到贸易便利化简

归类、审价、原产地确定,是通关环节的三项关键性工作,也是海关在关税领域促进贸易便利化的三大突破口。贸易便利化是海关和企业追求的共同目标,其目的就是要提高通关速度、降低贸易成本。海关管理工作概括起来,可以归纳为三件事：确定进出口商品是什么,值多少钱,来自哪里。这三件事,分别对应着海关关税领域的三大技术：商品归类、审价和原产地确定。从贸易便利化的角度看,这三大技术也是海关监管进出口货物的重点。把这三件事做好了,海关监管方面的问题就基本可以解决,而企业也就实现了便利通关。     

泛珠三角海关合作将使通关“提速”

泛珠三角区域海关在税收征管、通关监管、打击走私等方面将走向深度融合。不久前。广州海关推出九项措施,进一步推动泛珠三角海关区域合作项目,包括整合区域海关关税资源、有效打击低瞒报价格行为,推进区域海关查毒互助,以及推进“属地申报、口岸验放”通关模式与跨境快速通关模式的联动,加快保税港区建设等具体措施。     

通关 读秒时代——通关“变脸”

货物分类通关改革在经过上海海关一年多的成功实践后,将在全国海关生枝散叶。货物分类通关改革将改变以往海关在通关模式上的平均用力,通过运用企业分类、风险管理等手段对通关货物进行风险等级的判别,然后区别对待。它将使低风险的货物通得更快,而那些高风险的货物也将被管得更严。     

可预见、低成本、高效便利长江经济带海关区域通关一体化正式启动

9月22日,长江经济带海关区域通关一体化改革在长三角地区的上海、南京、杭州、宁波、合肥5个海关正式启动。海关通过建立区域通关中心,构建统一的申报平台、风险防控平台、专业审单平台和现场作业平台,形成覆盖长江经济带海关通关全流程的一体化管理机制和运行模式,在长江经济带营造“可预见、低成本、高效便利”的通关环境。     

奥运期间海关监管政策差异性分析

奥运期间,为保障用于赛事的物资进境需求及人员通关时效,各国海关制定相应通关和税收政策,为个人、代表团和企业提供通关便利,进而提升重大国际赛事活动期间海关的监管效能。便利化措施主要针对货物的一般进境、暂时进境和其他货物进口,还包括对人员和个人物品通关的保障。各国海关采取的快速通关和优惠税收政策大体相同,但由于举办国地理位置、政策国情和报关系统各异,相应监管通关模式也会产生一定差异。相关人员或报关企业应仔细研究通关政策.     

担保验放快通关简

了解相关程序,享受担保验放带来的通关便利。企业如在办理通关手续时因暂时无法提供某些单证（不包括进出口许可证件）或其他信息,海关无法确定货物的商品归类、估价等结关条件而不能及时验放货物时,便捷通关企业可以海关认可的担保形式先行办理货物验放手续,事后在规定时间内补充提供有关单证或信息,补交税款或补办其他规定手续。适用范围适用担保验放通关便利措施,企业必须同时满足几个条件：AA类进出口收发货人;通过海关规范申报测试,与海关签订相关协议;进出口货物不涉及许可证管理。     

进出口商品归类业务常见错误分析

进出口商品归类是货物通关作业的基础,涉及海关监管、税费征收、查缉走私、海关统计等各项海关业务。正确的商品归类可以降低企业的违法违规风险,有效的提高通关效率,既能降低企业通关成本又能减轻海关的监管压力,越来越受到企业的重视和海关的支持。但是,进出口商品归类是一项技术性、专业性很强的工作,不论在学校教学还是实际工作中,都是一项棘手的业务。本文根据外贸业务实践中出现的事例,对进出口商品归类业务容易发生的错误进行分析。     

海关通关风险管理浅析

为了降低行政成本,提高监管效能,促进对外贸易的健康发展,预计在2010年我国海关全面实现以风险管理为中心环节的现代海关制度。在通关环节实施风险管理是实现海关风险管理的核心和关键一环。根据风险管理的基本原理和通关作业的现状,本文分析了目前存在的问题以及存在的各种潜在风险,并提出了基于通关流程的风险管理解决方案。     

Deep learning in finance and banking: A literature review and classification

Deep learning has been widely applied in computer vision, natural language processing, and audio-visual recognition. The overwhelming success of deep learning as a data processing technique has sparked the interest of the research community. Given the proliferation of Fintech in recent years, the use of deep learning in finance and banking services has become prevalent. However, a detailed survey of the applications of deep learning in finance and banking is lacking in the existing literature. This study surveys and analyzes the literature on the application of deep learning models in the key finance and banking domains to provide a systematic evaluation of the model preprocessing, input data, and model evaluation. Finally, we discuss three aspects that could affect the outcomes of financial deep learning models. This study provides academics and practitioners with insight and direction on the state-of-the-art of the application of deep learning models in finance and banking.     

计算机信息安全技术管理下的应用探讨

随着计算机广泛应用以及技术提升程度不断升级,网络信息资源成为当前经济社会发展的重要保证。网络信息涉及的领域也越来越广泛,以及牵涉到国家的政治机密、军事发展和尖端技术等,尤其是对信息的存储、传输,包括在经济领域如商业银行、股票证券、能源资源数据、科研成果及数据等多方面牵涉到计算机的网络信息运用,不处理好安全方面的问题,将会带来更大后果。本文首先分析了安全信息危险的具体方面;其次分析了信息资源如何与计算机应用结合起来;最后对信息安全技术下的计算机．应用进行了分析。     

基于对角切片特征提取和深度学习的辐射源识别

针对复杂电磁环境下辐射源识别率低的问题,提出基于对角切片特征和深度学习的辐射源识别算法。利用辐射源信号双谱的个体特性,提取信号双谱对角切片特征作为深度学习模型的输入数据,采用Softmax分类器进行辐射源识别。仿真实验利用两部同型辐射源进行测试,结果表明该算法能识别个体辐射源,在低信噪比条件下也能获得高的辐射源识别率;相比于其他识别算法,双谱对角切片特征有更鲁棒的分辨性。     

匹配模板法在雷达信号识别中的应用

本文在阐述中国-东盟自由贸易区(CAFTA)组建动因的基础上,着重考察了CAFTA 的经济效应:经验数据表明,自2003年启动以来,CAFTA 已产生较为显著的贸易创造静态效应和投资扩大效应;从长期看,将在经贸合作、生产效率、规模经济、产业结构调整和经济增长方式转变等方面对双方产生更深远和积极的动态效应。     

深度复极限学习机在雷达HRRP目标识别中的应用

传统雷达高分辨一维距离像(High-resolution Range Profile,HRRP)目标识别方法只利用目标幅度信息而丢失其相位信息,这势必会造成信息不完备。为解决此问题,提出将深度极限学习机从实数域扩展到复数域,以有效提取复HRRP序列的深层潜在结构信息。同时为更好地保持数据间的邻域信息,将流形正则化引入到网络模型训练过程中,提出流形正则深度复极限学习机。在雷达暗室测量数据上的实验结果表明,所提算法相比常用的深度学习模型具有更好的识别效果和更快的训练速度,验证了算法的有效性。     

基于遥感图像的船舶目标检测方法综述

如何在复杂环境中准确、快速地实现各类船舶目标检测是一项重要研究课题，也是保障船舶航行安全、保护领土安全、加强水域资源监管的基础。红外成像、合成孔径雷达（Synthetic Aperture Radar，SAR）以及卫星遥感等成像技术的发展为船舶检测提供了丰富的图像数据，已取得许多研究成果。介绍了船舶目标检测的过程，从基于传统图像处理技术的船舶目标检测和基于深度学习的船舶目标检测两方面总结并分析了现有船舶目标检测方法，讨论了相关关键技术，最后指出了未来的研究方向。     

海关舱单风险分析与风险信息工作探讨

本文结合国内外海关实践经验,分析了海关舱单风险分析工作在分析思路、信息支撑、技术支持等方面仍然需要完善的工作。提出了加强舱单风险分析,充分运用海关风险信息的相关建议,寻求实用有效的突破路径。     

一种优化的卷积神经网络调制识别算法

针对非合作接收条件下信号的调制识别问题,提出了一种基于循环谱特征和深度卷积神经网络的自动调制分类算法。该算法首先利用二值化、形态学操作等技术对循环谱数据集预处理,提高网络泛化能力;然后将数据集输入到卷积神经网络模型中,经过网络的特征提取实现分类识别。在网络中添加残差块网络增大感受野,提高特征提取能力。采用Dropout、优化函数等技术优化网络结构,防止训练过拟合。仿真结果表示,与传统方法和现有的一些深度学习调制识别方法相比,该算法在低信噪比条件下有更高的准确率,具有明显的抗噪声优势,是一个有效的调制识别算法。     

采用深度卷积神经网络方法的毫米波图像目标检测

通过收集大量的毫米波图像并建立相应的人体数据集进行检测，提出基于Faster R-CNN深度学习的方法检测隐藏于人体上的危险物品。该方法将区域建议网络和VGG19训练卷积神经网络模型相结合，构建了面向毫米波图像目标检测的深度卷积神经网络。为了提高毫米波图像的处理能力，采用Caffe深度学习框架在图形处理单元上进行训练和测试。实验结果证明了基于Faster R-CNN深度卷积神经网络的目标检测方法能有效检测毫米波图像中的危险物品，并且目标检测的平均准确率约94%，检测速度约为6 frame/s，对毫米波安检系统的智能化发展有着极其重要的参考价值。     

分离通道联合卷积神经网络的自动调制识别

针对通信信号的自动调制识别需要大量特征提取的问题,提出了一种分离通道卷积神经网络自动调制识别算法。该算法通过结合深度学习中卷积神经网络(CNN),分别提取时域信号的多通道和分离通道调制特征,再利用融合特征实现不同信号的分类。仿真结果表明,相比基于CNN的算法,所提算法在高信噪比下针对两个数据集的识别率分别提升7%和18%;此外,相比于基于特征提取的传统识别算法,其高阶调制识别性能平均提升3 dB。