提名

摘要： 2022年3月11日十三届全国人大五次会议修正地方组织法时,将“代表资格审查委员会的主任委员、副主任委员和委员的人选,由常务委员会主任会议在常务委员会组成人员中提名,常务委员会会议通过”,修改为“代表资格审查委员会的主任委员、副主任委员和委员的人选,由常务委员会主任会议在常务委员会组成人员中提名,常务委员会任免”。即将“通过”改为“任免”。这样修改有何异同?

摘要： 5月31日,中国共产党重庆市第六次代表大会胜利闭幕。大会选举产生重庆市出席中国共产党第二十次全国代表大会代表,党中央提名的代表候选人陈敏尔同志当选。大会选举产生中国共产党重庆市第六届委员会、中国共产党重庆市第六届纪律检查委员会,审议通过《中国共产党重庆市第六次代表大会关于中国共产党重庆市第五届委员会报告的决议》《中国共产党重庆市第六次代表大会关于中国共产党重庆市第五届纪律检查委员会工作报告的决议》。

摘要： 问:党的临时组织关系转到外单位的党员,能否被提名为代表候选人?答:按照党章和党内有关规定的精神,因参加短期培训、学习或者参与完成某项临时性任务等原因,按规定转出临时组织关系的党员,由于党的正式组织关系还在原工作单位,在原单位党组织进行选举时,可以被提名为代表候选人。

摘要： 换届选举时,在县级以上召开的地方各级人民代表大会第一次人代会上,一些地方的选举办法明确规定人大常委会组成人员、政府正副职、监空委员会主任、法院院长、检察院检察长和上一级人大代表候选人由大会主席团或者代表若干人以上联合提名(省30人,市20人,县10人)。有人认为,选举办法做出这样的规定简洁明了,切实可行;有人则认为,选举办法规定主席团提名上一级人大代表候选人不符合法律的规定。

摘要： 香港特别行政区政府:依照《中华人民共和国香港特别行政区维护国家安全法》的有关规定,根据香港特别行政区行政长官李家超的提名和建议,国务院2022年8月4日决定:任命区志光为香港特别行政区维护国家安全委员会秘书长,免去陈国基的香港特别行政区维护国家安全委员会秘书长职务。

摘要： 6月28日,中国共产党辽宁省代表会议在沈阳召开。会议选举产生了64名辽宁省出席中国共产党第二十次全国代表大会的代表,党中央提名的代表候选人杨洁篪、汪永清同志当选。会议应到代表800人,实到753人,符合规定人数。会议由省委常委会主持。省委书记张国清讲话。

摘要： 中国共产党中央企业系统(在京)代表会议召开选举产生中央企业系统(在京)出席党的二十大代表7月9日至10日,中国共产党中央企业系统(在京)代表会议在北京召开,选举产生了51名中央企业系统(在京)出席中国共产党第二十次全国代表大会的代表,党中央提名的代表候选人杨传堂同志当选。会议认为,党的二十大是我们党进入全面建设社会主义现代化国家、向第二个百年奋斗目标进军新征程的重要时刻.

摘要： 7月31日,辽宁省委组织部发布公告,其中提到,现任江苏省徐州市委常委、市纪委书记、市监委主任李文飙,拟提名为辽宁省地级市市长候选人。8月9日,李文飙已担任铁岭市委常委、副书记,并提名为铁岭市市长候选人。

摘要： 问:党员有重大问题尚未审查清楚,能否被提名为代表候选人?答:党员因重大问题接受党组织审查期间,不宜被提名为代表候选人。代表候选人除必须具有党章规定的选举权和被选举权以外,在政治立场、思想品德、工作成绩等各方面应当是好的,为广大党员所信赖的。党员涉嫌重大问题,在审查清楚以前,无法对其作出正确结论,故不宜被提名为代表候选人。

摘要： [案例]近日,某连接,上级通知,上报1名三等功人选。前期,在各排提名的基础上,经连队军人大会民主推荐,连队党支部决定将三个排的小甲。

摘要： 本发明适用于信息技术领域，提供了一种基于频数的围标团体提名算法，利用投标单位与标段之间的对应关系，分组集合进行比较，计算中标率，得出围标团体；本发明避免了围标团体提名中排列组合问题的阶乘爆炸问题，大幅优化了搜索空间，极大地节约了对内存的开销，因候选集合的减小，生成，对比，计数等阶段的时间复杂度都大幅减小。故本算法可以实现招投标中围标团体提名的日级更新。

摘要： 本申请涉及一种基于嵌入任意边界匹配提名网络的行为检测方法和装置。所述方法包括：调用骨干网络对未剪辑视频进行特征提取，得到第一特征；调用编码器解码器模块对第一特征进行编码和解码，得到第二特征；调用嵌入式边界匹配提名网络模块对第二特征进行边界匹配提名处理，得到多个有序的组合概率；调用行为分类器对多个有序的组合概率进行识别，得到行为检测结果。所述方法通过调用编码器解码器模块端到端地同时解决了行为边界预测问题和行为分类问题；通过调用嵌入式边界匹配提名网络模块对单阶段行为检测结果实现了补充，提高了对正样本的召回率；通过调用级联式边界精修模块减少了边界预测噪声，提升了行为检测精度。

摘要： 本申请公开一种时序动作提名的获取方法、精细化网络的训练方法、智时序动作提名的获取装置、精细化网络的训练装置、计算机可读存储介质及计算机设备，可应用于社会化网络服务、视频分析等场景。该时序动作提名的获取方法包括：从目标视频中采集初始提名序列及初始特征序列，初始提名序列用于表征包含目标对象的视频片段，初始特征序列是根据初始提名序列提取的抽象信息的集合；对初始特征序列做池化处理，以获取感兴趣特征序列，感兴趣特征序列用于表征维度相同的多个初始特征；将感兴特征序列输入精细化网络以获取提名位置偏差，精细化网络满足预设的监督条件；及根据提名位置偏差及初始提名序列，获取时序动作提名。

摘要： 本发明公开了一种基于提名图注意力网络的工作流识别方法。本发明首先应用动作提名方法产生候选视频片段，然后基于这些视频片段表示为节点，构建具体的图模型。为了增强模型的特征表示能力，引入类内和类间两种注意力机制，分别学习用于不断更新图结点矩阵的长时依赖信息和迭代图邻接矩阵的自适应性依赖信息。最后，基于构建的图执行图卷积操作，实现工作流分类和工序操作边界定位回归。本发明可应用于产品生产加工过程中各工序的准确识别和时序定位，进而规范生产操作行为过程，对出现的危险操作或偏离正常操作模式时及时预警，确保生产安全、稳定、有序进行。

摘要： 本公开涉及一种时序动作提名的生成方法及装置、电子设备和存储介质，所述方法包括：对由待识别视频得到的多个视频片段进行特征提取，得到多个第一特征；针对任一视频片段，对该视频片段及其邻近视频片段的第一特征进行编码处理，得到该视频片段与邻近视频片段之间的关系特征，邻近视频片段位于该视频片段的目标邻域内；对该视频片段与邻近视频片段之间的关系特征进行解码处理，得到邻近视频片段的目标权重；基于目标权重，更新该视频片段的第一特征，得到该视频片段的第二特征；基于多个视频片段的第二特征，生成待识别视频的目标时序动作提名。本公开实施例可以生成待识别视频对应的准确率较高的目标时序动作提名。

摘要： 本公开涉及一种时序动作提名的生成方法及装置、电子设备和存储介质，所述方法包括：对由待识别视频得到的多个视频片段进行特征提取，得到多个第一特征；针对任一所述视频片段，基于所述视频片段及其邻近视频片段之间的关联关系，对所述视频片段的第一特征进行更新，得到所述视频片段的第二特征，其中，所述邻近视频片段位于所述视频片段的目标邻域内；基于所述多个视频片段的第二特征，生成所述待识别视频的目标时序动作提名。本公开实施例可以生成待识别视频对应的准确率较高的目标时序动作提名。

摘要： 本申请公开了一种时序动作提名方法及装置。其中，该方法包括：获取待处理视频，将待处理视频划分为多个第一视频片段；基于预训练的原子动作评估模型确定每个第一视频片段对应的原子动作概率，得到原子动作概率集；基于原子动作概率集合从多个第一视频片段对应的标记时间点中确定动作边界集合，并基于动作边界集合确定多个候选动作提名；提取每个候选动作提名对应的候选提名特征，并基于候选提名特征确定每个候选动作提名的置信度；基于多个候选动作提名的置信度对多个候选动作提名进行非极大值抑制处理，得到目标动作提名。本申请解决了相关技术中对视频进行时序动作检测时获取动作提名的过程较为复杂，且召回率不高的技术问题。

摘要： 本发明实施例提供基于全局感知与提名关系挖掘的时序动作定位方法，涉及视频识别技术领域。其中，这种时序动作定位方法，其包含步骤S1至步骤S4。S1、获取待识别视频。S2、根据待识别视频，提取视觉特征。S3、将视觉特征输入预先训练好的时序提名生成网络模型，获取时序提名。S4、将时序提名输入预先训练好的时序提名分类网络模型，获取定位结果。定位结果包括动作类别和动作起止时间。时序提名生成网络模型通过图建模的方式动态捕获特征之间的关联性，实现动作边界与动作特征之间的信息交互，达到全局感知动作、背景、边界之间关系的目的。时序提名分类网络模型挖掘提名之间的潜在关系，实现更精准地定位与动作分类。

摘要： 本公开提供了一种时序提名的生成方法、装置、设备及介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，具体可用于视频分析场景下，包括：提取待处理视频对应的目标图像特征序列，并根据目标图像特征序列，获取多个候选时序提名；根据目标图像特征序列，获取包括动作特征和背景特征间差异信息的动作关联特征和背景关联特征；进而根据动作关联特征和背景关联特征，获取各候选时序提名的动作得分和背景得分；并最终根据各动作得分和背景得分，在各候选时序提名中确定与待处理视频对应的目标时序提名。本公开实施例的技术方案，通过在时序提名评估阶段充分利用动作和背景的差异性，提高了获取目标时序提名的精准度和召回率。

摘要： 本公开提供的用于评价时序提名的模型的训练方法、设备、程序产品，涉及计算机视觉和深度学习技术，包括：获取用于训练模型的样本时序提名，以及样本时序提名的标签，其中，标签包括用于表征样本时序提名与真实时序提名之间的偏移信息，以及样本时序提名中包括的背景信息；利用样本时序提名及其标签对预设模型进行训练，得到用于评价时序提名的模型；其中，模型用于输出待处理的时序提名的识别偏移信息、识别背景信息，识别偏移信息、识别背景信息用于确定待处理的时序提名的分数。本公开提供的方案中，在训练模型时加入了样本时序提名的背景信息，进而提高模型的抗噪能力，从而提高模型输出的识别结果的准确性。