Отделимые и неотделимые улучшения: как различить и как учесть

Содержание

налоги и учет в 2019

Как арендатору отразить улучшения в налоговом и бухгалтерском учете

Улучшение арендуемого помещения предполагает капитальные вложения с целью изменения и модернизации его технических характеристик. Арендатор может сделать отделку, провести реконструкцию и достройку, установить новое или доработать оборудование – и это повысит удобство использования имущества и увеличит его стоимость. В связи с этим возникают вопросы, связанные с налоговым и бухгалтерским учетом арендованного имущества.

Отделимые и неотделимые улучшения: в чем разница

Для правильного налогообложения и учета все произведенные с имуществом изменения нужно правильно классифицировать.

Улучшение отличается от обычного ремонта, который проводится с целью устранения повреждений и следов естественного износа. Ремонтные работы учитываются как текущие расходы и в бухучете, и в налоговой отчетности.

Улучшения бывают отделимые и неотделимые, и различия между ними не всегда четкие. В некоторых спорных случаях для решения этого вопроса судом может быть назначена экспертиза. Так, к

отделимым относится все, что съемщик может забрать, не причиняя непоправимого вреда арендованному имуществу. Неотделимыми же считаются те, которые нельзя демонтировать, не повредив помещение или здание (п. 2 ст. 623 ГК РФ). Повреждениями в таком случае являются следы креплений и шурупов, дефекты отделки потолков и стен и т.д. Например, к неотделимым изменениям относят установку систем охранной и пожарной сигнализации, замену окон, дверей и рольставней, установку кондиционеров и т.д. Но в некоторых случаях суд может признать такие усовершенствования отделимыми, если ущерб при демонтаже небольшой и легко поправим.

Отделимые улучшения признаются основными средствами арендатора и подлежат бухгалтерскому и налоговому учету как отдельные объекты ОС. А вот правила учета неотделимых улучшений нередко бывают неоднозначными.

Как арендатору учесть неотделимые улучшения помещения

Если арендодатель дал согласие на проведение неотделимых улучшений, то после окончания срока действия договора он должен возместить их стоимость. Арендатор в этом случае учитывает сумму возмещения в налоговых доходах, начисляет НДС и выставляет арендодателю счет-фактуру. Затраты на модернизацию нужно включить в расходы, входной НДС по которым принять к вычету.


Если расходы на неотделимые улучшения не возмещаются, арендатор учитывает их в налоговом и бухучете как основные средства на счете 01. И они числятся так на протяжении всего срока аренды, до момента возврата собственнику вместе с арендованным имуществом.

Основные средства облагаются налогом на имущество. С 2019 это актуально только для недвижимых объектов, с движимого имущества налог не взимается. В отношении неотделимых изменений правило действует следующим образом:

  • если арендованное и усовершенствованное имущество движимое – неотделимые улучшения также относятся к движимому и не подлежат налогообложению.
  • если же арендуется недвижимость, то с неотделимых улучшений нужно будет уплатить налог.

Невозмещаемые неотделимые улучшения арендатор может учитывать как амортизируемое имущество и начислять по ним амортизацию в целях налогообложения прибыли. Но это возможно только при наличии письменного согласия арендодателя на проведение этих улучшений.

В рамках бухгалтерского учета начисляется амортизация, исходя из срока полезного использования, равного оставшемуся сроку аренды. В налоговом учете – на основе СПИ объекта аренды или классификации ОС, если для улучшений есть подходящая амортизационная группа. Амортизационная премия не применяется.

Если договор аренды заканчивается раньше срока истечения амортизации, недоамортизированную остаточную сумму, учесть в расходах нельзя.


Передача неотделимых улучшений арендодателю определяется как реализация, т.е. возникает вопрос налогообложения по НДС. Если стоимость модернизации арендодатель компенсировал, то это обычная возмездная передача, и с суммы возмещения нужно исчислить налог на добавленную стоимость. Если улучшения невозмещаемые, имеет место безвозмездная передача. В этом случае арендатор должен начислить НДС на их рыночную стоимость и выставить счет-фактуру в одном экземпляре – только себе.


Подробная информация о неотделимых улучшениях имущества  в видео-лекции Крутяковой Т.Л . в КонсультантПлюс. 

Заполните форму ↓ и получите бесплатную демонстрацию.

ВС напомнил, что неотделимые улучшения могут иметь различные формы и появиться не только в ходе ремонта

Эксперты «АГ» неоднозначно оценили выводы ВС. Одна из них согласилась, что первая инстанция допустила нарушение, не отразив мотивы, по которым она отвергла техническое заключение, представленное ответчиком, однако это не является основанием для отмены решения по делу. Другой посчитал, что отказ судом в назначении экспертизы может нарушать принцип состязательности сторон, так как ограничивает сторону в обосновании своей позиции.

4 марта Судебная коллегия по экономическим спорам Верховного Суда вынесла Определение № 305-ЭС20-10335 по делу № А40-191009/2018 об истребовании из чужого незаконного владения сценического оборудования, которое, по мнению ответчика, является неотделимым улучшением арендованного имущества.

В 2018 г. компания «Стейдж Энтертейнмент Продакшнс БВ» обратилась в Арбитражный суд г. Москвы с иском к АО «Московский дворец молодежи» об истребовании из чужого незаконного владения сценического оборудования, а также об истребовании имущества в форме обязания ответчика предоставить доступ в здание АО «МДМ» в течение 20 календарных дней по 8 часов в день для демонтажа и вывоза имущества. При этом компания ссылалась на ст. 301 Гражданского кодекса и указывала на то, что ответчик незаконно удерживает предмет иска, в том числе отказом в предоставлении доступа в помещение для демонтажа и вывоза оборудования.

В иске также отмечалось, что право на спорное оборудование перешло к истцу на основании договора купли-продажи от 20 июня 2018 г., заключенного с обществом «Стейдж Энтертейнмент», ранее арендовавшим у ответчика по договору аренды от 22 мая 2010 г. нежилые помещения, в которых по-прежнему находится спорное оборудование. В возражениях на иск АО «МДМ» ссылалось на то, что спорное оборудование перешло в его собственность в силу условий арендного договора, так как оно является неотделимым улучшением зрительного зала.

Суд удовлетворил иск частично, постановив истребовать у ответчика систему подъемного оборудования верхней механизации театральной площадки в частично разобранном виде, в удовлетворении остальной части иска было отказано. Для установления возможности демонтажа спорного имущества без причинения существенного ущерба помещению, а также иных вопросов была назначена судебная экспертиза, проведение которой поручено ООО «Центр судебных экспертиз и негосударственных экспертиз “ИНДЕКС”». Согласно заключению экспертов спорное оборудование является вновь (дополнительно) установленным и ранее в помещении отсутствовало. При этом для использования помещения по назначению спорное оборудование не требуется, а само оно является отделимым без причинения вреда элементам помещения и может быть заменено иным.

Апелляция и кассация поддержали решение первой инстанции. При этом суды исходили из доказанности истцом наличия совокупности условий, необходимых для удовлетворения виндикационного иска.

АО «МДМ» подало кассационную жалобу в Верховный Суд, однако судья ВС отказала в передаче ее на рассмотрение Судебной коллегии по экономическим спорам. Тем не менее председатель Экономколлегии Ирина Подносова отменила это решение. Судья посчитала: доводы кассационной жалобы о том, что суды не исследовали в полном объеме доказательства, положенные в основу вывода, что помещение зрительского зала было спроектировано и предназначалась исключительно для организации и проведения зрелищных мероприятий, чем был обусловлен состав оборудования, являющегося неотделимой частью зрительского зала, заслуживают внимания. По мнению заявителя, судом необоснованно отказано в назначении повторной судебной экспертизы, поскольку для установления обстоятельств, имеющих значение для правильного рассмотрения дела с учетом положений ст. 71 АПК, требовалось техническое исследование, а не юридическое толкование условий договора аренды и акта приема-передачи оборудования.

Рассмотрев материалы дела, Судебная коллегия по экономическим спорам ВС сочла, что первая инстанция и апелляция не дали оценку условиям арендного договора от 22 мая 2010 г., которые, по мнению ответчика, являются существенными и свидетельствующими о переходе к последнему права собственности на оборудование, а также доводам ответчика о ничтожности договора купли-продажи от 20 июня 2018 г. «Делая вывод о том, что оборудование является отделимым и может быть демонтировано без вреда элементам помещения, суды не учли, что понятие улучшений, неотделимых без вреда от арендованного имущества, используется в гражданском законодательстве для целей определения прав и обязанностей сторон договора аренды. Неотделимые улучшения могут иметь различные формы, приобретаемые не только в ходе ремонта, необходимого для поддержания имущества в состоянии, позволяющем использовать его арендатору, но и в результате достройки, дооборудования, реконструкции, модернизации, технического перевооружения имущества, в результате чего арендованное имущество получает существенные качественные улучшения», – отмечено в определении ВС.

Суд добавил, что при рассмотрении дела АО «МДМ» в обоснование своей позиции представило техническое заключение, выполненное ООО ИГ «Безопасность и надежность», а также указало, что результаты судебной экспертизы не могут быть приняты в качестве надлежащего доказательства по делу, поскольку выводы экспертов сделаны без учета фактического назначения арендованного помещения, анализа особенностей сценического пространства, планировочных и пространственных трансформаций, решающих различные задачи. «Однако, несмотря на возражения общества “МДМ”, суды, в нарушение положений ст. 71 АПКРФ, оставили без внимания и оценки представленное обществом “МДМ” заключение <…>, отказав в проведении повторной экспертизы», – подчеркнуто в определении Суда.

Таким образом, Верховный Суд отменил судебные акты нижестоящих инстанций и вернул дело на новое рассмотрение в АС г. Москвы, которому следует, в частности, установить характер произведенных обществом «Стейдж Энтертейнмент» улучшений арендованного имущества, учитывая фактическое назначение арендованного помещения и с учетом доводов и возражений участвующих в деле лиц, установив подлежащие применению к спорным отношениям нормы права.

Партнер юридической компании Law&Commerce Offer Виктория Соловьёва отметила, что в рассматриваемом деле возник вопрос об отделимости улучшений, произведенных арендатором, а назначение технической экспертизы по делу представляется достаточно обоснованным. Однако, добавила она, основания для проведения повторной экспертизы по делу отсутствовали.

По мнению эксперта, представленное ответчиком техническое заключение является только одним из доказательств по делу и не является экспертным заключением по смыслу АПК: «На практике очень часто возникают похожие ситуации, когда каждая из сторон приносит одно или несколько технических заключений, которые могут противоречить друг другу. Поэтому суды и назначают экспертизы и при решении спора ориентируются именно на них, так как при назначении экспертизы каждая из сторон вправе выдвигать эксперта, предлагать свои вопросы, и эксперты предупреждаются судом об уголовной ответственности за дачу заведомо ложного заключения».

В определении ВС не указано на наличие противоречий в выводах эксперта, которое может быть основанием для проведения повторной экспертизы, заметила Виктория Соловьёва. «При этом судом первой инстанции был исследован вопрос о характере улучшений арендованного имущества с учетом фактического назначения арендованного помещения и установлено, что для возможности использования помещения согласно его целевому назначению не предусмотрено обязательное наличие оборудования; само оборудование является отделимым и может быть демонтировано без причинения вреда элементам помещения и заменено иным (аналогичным) оборудованием; сохраняется возможность использовать помещение по целевому назначению в соответствии с договором аренды», – пояснила юрист. Она добавила, что, безусловно, является нарушением то, что суд первой инстанции не отразил в решении мотивы, по которым он отверг техническое заключение, представленное ответчиком, однако это не является основанием для отмены решения.

По мнению адвоката Нижегородской областной коллегии адвокатов Александра Немова, невозможно судить о том, доказаны ли в рассматриваемом деле возможность изъятия предметов без вреда для помещения и возможность идентификации предметов, так как это зависит от текста договора аренды от 2010 г.: «Можно только догадываться, есть ли в нем достаточное описание предметов, которые могут считаться неотделимыми от помещения».

Эксперт добавил, что в рамках этого дела можно было бы обойтись без заключения эксперта, если бы из условий договора или его дополнений можно было сделать однозначный вывод о согласии сторон, что конкретный предмет отвечает требованиям неотделимости от помещения. «Как я понимаю, в данном случае условия договора не позволили идентифицировать этот вопрос. В связи с этим назначение экспертизы является способом доказывания по делу. Отказ судом стороне в назначении экспертизы может нарушать принцип состязательности сторон, так как ограничивает сторону в обосновании своей позиции по делу», – заключил Александр Немов.

Неотделимые улучшения арендованного имущества: что такое по ГК РФ

Чтoбы нe пpoигpaть в cyдe, лyчшe oбpaщaтьcя к юpиcтy. Oн пoмoжeт coбpaть дoкaзaтeльcтвa, гpaмoтнo cocтaвит иcкoвoe зaявлeниe, coпpoвoдит дo вынeceния peшeния.

Кaк вeдeтcя yчeт нeoтдeлимыx yлyчшeний

Юpидичecкиe лицa — apeндaтopы и apeндoдaтeли — oбязaны вecти yчeт нeoтдeлимыx yлyчшeний. Coбcтвeнники нeдвижимocти дoлжны пoмнить, чтo:

🔸 Пo НК PФ, yчитывaть нyжнo aмopтизиpyeмoe имyщecтвo co cpoкoм пoлeзнoгo иcпoльзoвaния бoлee гoдa, cтoимocтью бoлee 20 000 pyблeй, oплaчeннoe coбcтвeнникoм.

🔸 Пocлe выплaты кoмпeнcaции apeндoдaтeль имeeт пpaвo yвeличить paзмep aмopтизaции.

🔸 Пocлe пpoизвeдeния нeoтдeлимыx yлyчшeний выpacтaeт cтoимocть oбъeктa.

Apeндaтopы мoгyт yчитывaть нeoтдeлимыe yлyчшeния в кaчecтвe pacxoдoв пpи pacчeтe нaлoгa нa пpибыль, ecли coбcтвeнник нeдвижимocти дaл cвoe coглacиe нa внeceниe измeнeний. Нyжнo пoмнить, чтo:

🔹 Учитывaть pacxoды мoжнo пpи pacчeтe нaлoгa нa пpибыль, ecли былa выплaчeнa кoмпeнcaция.

🔹 Ecли кoмпeнcaция нe выплaчeнa, мoжнo нaчиcлить aмopтизaцию зa yчтeнный oбъeкт.

🔹 Aмopтизaция мoжeт нaчиcлятьcя c пepвoгo дня мecяцa, cлeдyющeгo зa мecяцeм oкoнчaния paбoт пo нeoтдeлимoмy yлyчшeнию. B этoм cлyчae дaтa фикcиpyeтcя aктoм пpиeмa-пepeдaчи.

🔹 Ecли зa вecь пepиoд apeнды aмopтизaция нe пoкpылa pacxoды нa yлyчшeния, ocтaвшaяcя нeкoмпeнcиpoвaннoй cyммa пepexoдит в cтaтyc yбыткoв — тo ecть ocтaeтcя нeyчтeннoй — и нe yчитывaeтcя пpи нaлoгooблoжeнии.

🔹 Пpи пpoдлeнии дoгoвopa apeнды мoжнo coxpaнить aмopтизaцию.

B бyxгaлтepcкoм yчeтe нyжнo oтpaжaть нeoтдeлимыe yлyчшeния, ecли oни cooтвeтcтвyют pядy тpeбoвaний, a имeннo:

📝 oбъeкт бyдeт иcпoльзoвaтьcя кoмпaниeй длитeльнoe вpeмя, тoчнee — нe мeньшe 12 мecяцeв;

📝 нeoтдeлимыe yлyчшeния oбъeктa иcпoльзyютcя для нyжд, кoтopыe пoтoм пoдpaзyмeвaют пoлyчeниe oплaты;

📝 в oбъeм цeлeй кoмпaнии нe вxoдит пocлeдyющaя пepeпpoдaжa oбъeктoв c нeoтдeлимыми yлyчшeниями;

📝 в дaльнeйшeй пepcпeктивe oбъeкт мoжeт пpинecти дoxoд.

Cocтaвлeниe дoгoвopa c yчeтoм вoзмoжныx нeoтдeлимыx yлyчшeний

Чтoбы избeжaть нeнyжныx cпopoв, paзбиpaтeльcтв и cyдeбныx тяжб, лyчшe зapaнee пpoпиcaть в дoгoвope вoзмoжнocть нeoтдeлимыx yлyчшeний и oбязaннocть apeндoдaтeля кoмпeнcиpoвaть иx. Mнoгиe пpибeгaют к yнивepcaльнoй фopмyлиpoвкe — пишyт в ocнoвнoм дoгoвope apeнды, чтo coбcтвeнник зapaнee coглaceн нa любыe виды кaпитaльныx пpeoбpaзoвaний, и apeндaтopy нe нyжнo кaждый paз coглacoвывaть нeoтдeлимыe yлyчшeния. Taкoe peшeниe лyчшe нe иcпoльзoвaть, пoтoмy чтo в cлyчae вoзникнoвeния cпopa oнa бyдeт нeнaдeжнoй.

Лyчшe cocтaвлять дoпoлнитeльнoe coглaшeниe к дoгoвopy apeнды пpи кaждoм пpoизвeдeнии кaпитaльныx пpeoбpaзoвaний. B нeм нyжнo yкaзaть:

📋 Coглacиe apeндoдaтeля c paбoтaми, кoтopыe бyдyт пpoвeдeны в apeндyeмoм пoмeщeнии.

📋 Oбъeм и тип нeoтдeлимыx yлyчшeний — пepeчиcлитe, чтo coбиpaeтecь измeнить.

📋 Cтoимocть кaпитaльнoгo пpeoбpaзoвaния — мoжeтe пocчитaть ee пpимepнo, yкaзaв, чтo cyммa нeтoчнaя, или yкaзaть тoчнyю cyммy нa ocнoвaнии cмeты.

📋 Oбязaннocть кoмпeнcиpoвaть pacxoды, cpoки и cпocoб выплaты кoмпeнcaции.

Дoпoлнитeльнoe coглaшeниe пoкaжeт, чтo coбcтвeнник знaл o пpoвeдeнии нeoтдeлимыx yлyчшeний, был coглaceн c ними и oбязyeтcя выплaтить кoмпeнcaцию в дaльнeйшeм.

Отделимые и неотделимые улучшения арендованного имущества

Не нашли ответа на свой вопрос?
Узнайте, как решить именно Вашу проблему — позвоните прямо сейчас:
+7 (499) 350-80-69 (Москва)
+7 (812) 309-75-13 (Санкт-Петербург)
Это быстро и бесплатно !

Большинство арендаторов готовы проводить в арендованном помещении ремонтные работы, особенно если договор аренды составлен хотя бы на год и собственник согласен компенсировать все расходы.

На этой почве может возникнуть масса споров, ведь по закону все улучшения арендованного имущества могут быть отделимыми и неотделимыми.

Что такое отделимое улучшение?

Отделимыми называют те, которые не причиняют вреда квартире и после выселения квартиранты могут забрать все с собой (вывезти, демонтировать и т.д.), чтобы сдать объект аренды в таком же состоянии, в котором он был на момент заселения.

Рассмотрим на примере: любая купленная мебель, осветительные приборы, кухонная утварь и прочее оборудование, для установки которого не нужно проводить монтажные работы и которое не требует сложных технологических решений, а его демонтаж не помешает дальнейшей нормальной эксплуатации помещения – это все можно назвать отделимым.

Теперь по полочкам, что такое неотделимые улучшения арендованного имущества. Устранить их, не причинив вреда помещению, не получится.

Статья 623 ГК России гласит, что, если попытаться их убрать, это нанесет непоправимый вред объекту, его полезным качествам и свойствам. Для наглядности рассмотрим парочку примеров:

  1. по договору в пользование арендатор получил жилой дом. На протяжении срока действия данного договора он пристроил к дому веранду, что уже является неотделимым улучшением. Точно также в учет будет браться замена труб, батарей, проводки, а также проведенной перепланировки;
  2. если предметом договора аренды был автомобиль и с согласия собственника арендатор его покрасил, это тоже улучшение и отделить его нельзя;
  3. арендатор на протяжении пары лет использовал участок земли, посадив на нем несколько плодовых деревьев. Как только аренда закончится, они все перейдут в собственность арендодателя. Это ключевой момент и часто предмет споров, ведь появляется вопрос, должны ли оплачиваться все улучшения арендованного имущества из кармана собственника?

Проведением работ с разрешением и без разрешения собственника

Учет у арендатора неотделимых улучшений арендованного имущества поможет доказать факт реального наличия расходов с целью получить налоговый учет по налогу на прибыль.

Если арендатор провел ремонтные работы офисного помещения или другого объекта, который относится к категории основных средств, эти манипуляции необходимо отразить в бухгалтерском учете.

Это проводится в зависимости от того, когда по условиям договора улучшения будут переданы собственнику. Стоит отметить, что если иное не предусмотрено договором аренды, то все модернизации, которые арендатор провел, не получив на то согласие собственника, оплачиваться не должны. Об этом гласит п.3 ст.623 ГК РФ.

По неотделимым улучшениям арендованного имущества ведется учет, если они были выполнены по согласию сторон, в дальнейшем их стоимость компенсируется.

Теперь более понятно: если выполненные работы арендодатель возмещает из своего кармана, то арендатор может указать понесенные им затраты как расходы с целью налогообложения.

Признать неотделимыми улучшениями могут:

  • достройки;
  • модернизацию и реконструкцию здания;
  • дооборудование и пр.

В п.1 ст.258 Налогового кодекса описано, что, если собственник согласен с улучшениями, но не собирается компенсировать их стоимость, все капитальные вложения амортизируются арендатором.

Начисление на амортизацию неотделимых улучшений арендованного имущества начинают с 1 числа месяца, следующего за тем, когда собственно были выполнены работы.

За что стоит платить, за что нет?

Как отмечено выше, ст. 623 ГК РФ регламентирует порядок расчетов за выполненные неотделимые улучшения и гласит, что компенсация арендатору полагается, только если изменения были выполнены с согласия владельца. Если же мнение арендатора не учитывалось, то платить или не платить компенсацию он может решить сам.

С целью компенсации расходов сперва придется доказать факт осведомленности, пользуясь такими аргументами:

  1. показания свидетелей со стороны могут послужить доказательством того, что между сторонами была заключена договоренность. Они же могут подтвердить факт совместного выполнения улучшений;
  2. фото и видео разговора сторон о проведении работ тоже могут стать аргументом;
  3. письменное соглашение. Самый надежный вариант, который поможет защитить интересы обеих сторон. В дополнение к основному договору составляется соглашение, в котором прописывается объем работ и сумма, в которую они оцениваются.

Под получением компенсации подразумевается уменьшение ежемесячного арендного платежа на сумму понесенных расходов или же арендатор проводит улучшения на денежные средства владельца.

Очень важно, чтобы все затраты были учтены любым способом. К примеру, после покупки стройматериалов на определённую сумму и договоренности с собственником на проведение работ при наличии отдельного графика внесения ежемесячных платежей, в нем можно отразить факт того, что теперь сумма будет уменьшена на сумму покупки стройматериалов.

На документе сторонам стоит еще раз проставить свои подписи. Если деньги будут переданы распиской, то в ней указывается, как именно совершат платеж, чтобы в будущем между сторонами не возникало споров по поводу якобы просроченной платы за аренду.

Если же в договоре аренды уже прописано право арендатора проводить улучшения без необходимости уведомлять об этом собственника, то порядок возмещения затрат в такой ситуации оговаривается отдельно.

Обязательно стоит указать, каким образом (наличными или по безналу) будут переданы средства или может быть стороны решили выбрать иной законный метод.

Заключение

Провести отделимые или неотделимые улучшения в помещении можно на основании заключенного договора аренды. Условия выполнения этих манипуляций оговариваются еще на этапе заключения сделки, по желанию сторон их закрепляют в документе.

В таком случае порядок возмещения трат тоже должен быть описан или же будет считаться, что компенсация арендатору не полагается.

Не нашли ответа на свой вопрос?
Узнайте, как решить именно Вашу проблему — позвоните прямо сейчас:
+7 (499) 350-80-69 (Москва)
+7 (812) 309-75-13 (Санкт-Петербург)
Это быстро и бесплатно !

Что такое отделимые и неотделимые улучшения арендованного имущества ? в 2019 году

Довольно часто лиц, снявших офисные помещения, здания, не удовлетворяет их внешний вид. Им приходится финансировать модернизацию, ремонтные работы. Любые улучшения делятся на отделимые и неотделимые. Чем они отличаются друг от друга? Как грамотно производить модернизацию? Что это – неотделимые улучшения арендованного имущества? Как рассчитать стоимость преобразований? Ответы на многие актуальные вопросы – ниже.

Что признается неотделимыми улучшениями

Законодательство связывает этот термин с объектами, предоставляемыми внаем, однако четкого определения в нормативно-правовых актах нет. Только в ст. 623 Гражданского кодекса регламентированы аспекты компенсирования трат на внесение изменений. На практике неотделимые улучшения – это действия, соответствующие таким критериям:

  • работы профинансированы нанимателем;
  • действия согласованы с собственником или пользователем;
  • оптимизацию объекта нельзя от него отсоединить из-за того, что это нанесет вред собственности наймодателя.

Модернизация повышает цену эксплуатируемого помещения или сооружения. Чтобы было понятно, о чем идет речь, рассмотрим наглядно, что относится к неотделимым улучшениям арендованного имущества.

  1. Наймодатель получил на время земли сельскохозяйственного назначения и разбил яблочный сад. Когда контракт закончится, посаженные плодовые деревья перейдут к собственнику надела.
  2. Если временный пользователь автомобиля перекрасил его корпус, подобные действия также можно отнести к описываемому понятию.
  3. Наниматель дома достроил веранду. Она станет собственностью арендодателя, когда срок действия соглашение подойдет к концу.

Неотделимые изменения могут проявляться и в усовершенствовании имеющихся характеристик, и в привнесении новых функций.

Отличия от отделимых улучшений

Сюда следует отнести размещение в помещении предметов интерьера, мебели, монтаж климатических приборов, оборудования, съемных перегородок. Иными словами, это изменения объекта, которые наниматель способен изъять и вывезти. Отделимые улучшения арендованного имущества должны легко демонтироваться, не нанося ущерба предмету.

Если участники сделки договорятся, то внесенные изменения могут остаться у наймодателя. Тогда арендатору выплачивается потраченная сумма. Если же временный пользователь имущества не согласен оставить собственнику отделимые улучшения, он должен самостоятельно совершить демонтаж. Если же при этом будет нанесен вред объекту, наниматель обязан компенсировать ущерб.

Основное отличие, которое характеризует отделимые и неотделимые улучшения арендованного имущества, – это право владения. Первый вид изменений принадлежит нанимателю. Он волен забрать, изъять, вывезти эти предметы или элементы конструкции и пользоваться ими на свое усмотрение. Неотделимые же принадлежат наймодателю, так как их невозможно демонтировать (изъять) без повреждения имущества.

Выплата компенсации в 2019 году

Порядок правоотношений в сфере аренды позволяет лицу, снявшему объект, осуществить его улучшение только при согласовании с собственником. Во избежание проблем в будущем, это положение следует зафиксировать в договоре. Отдельным пунктом надо прописать возможность компенсации владельцем модернизации объекта. Необходимо указать основные параметры, цену предполагаемых изменений.

Начисление суммы возмещения происходит на основании расчета стоимости ремонта, реконструкции элементов за вычетом амортизации. Если соглашение пролонгировано, оптимизация остается в распоряжении нанимателя. При получении компенсации ему надо внести в государственную казну налог на прибыль.

Правовые последствия несогласованных неотделимых улучшений

Когда наниматель совершил такого вида изменения без ведома владельца, у него не будет законных оснований требовать возврата денег. Если же действия пользователя привели к искажению характеристик, функциональности объекта, он обязан вернуть все в прежнее состояние. Когда это будет невозможно сделать, то результат оптимизации перейдет к собственнику.

Если заранее согласованы

В этом случае регламент модернизации должен фиксироваться в контракте. В документ добавляется раздел о возмещении владельцем денег, потраченных на изменение объекта. Собственник компенсирует расходы по окончании действия контракта. Как вариант, в соглашение вносится пункт о понижении платежей за пользование в счет возмещения ремонта, реконструкции, замены элементов объекта.

Если в контракте отсутствует соответствующее положение, нанимателю следует получить документ о согласии арендодателя на неотделимые улучшения, образец которого доступен для скачивания на нашем сервисе. В тексте должна быть ссылка на договор найма с указанием номера и даты составления. Далее следует описать, какие именно изменения предполагается произвести, и отметить, что собственник не возражает против этого.

Скачать согласие о производстве неотделимых улучшений

Учет неотделимых улучшений

Для точной квалификации затрат важно отличать ремонт от реконструкции. Передача имущества внаем предполагает лишение права владения, таким образом оно остается на балансе наймодателя. Рассмотрим, как происходит учет неотделимых улучшений арендованного имущества.

Для собственника

Сделанные нанимателем изменения, переданные владельцу по окончании действия соглашения, последний показывает в порядке, предусмотренном для отражения финансовых трат на реконструкцию, модернизацию объектов оборотных средств (ОС). Это счет 08. Подобные действия увеличивают стоимость имущества. Сумма списывается в поступления счета 01 или там же учитывается обособленно с оформлением отдельной инвентарной карты.

Если нанимателю компенсируется стоимость модернизации, то собственник делает запись согласно этой сумме по поступлениям счета 08, выбытию счета 60 (76). Введя объект в эксплуатацию, собственник указывает сумму по дебету счета 01 в корреспонденции со счетом 08. Когда нанимателю стоимость изменений не компенсируется, запись делается по дебету счета 08 и кредиту счета 98.

Вложения на модернизацию в предоставленный в пользование объект считаются амортизируемым имуществом. Когда собственник возмещает финансы арендатору, он же и начисляет амортизацию. В противном случае, перенос стоимости ОС на продукцию осуществляет временный пользователь имуществом.

Для арендатора

Капитальные вложения относятся к ОС, когда по контракту они – собственность наймодателя. Затраты по оптимизации имущества списываются со счета учета неотделимых улучшений у арендатора во внеоборотные активы (08) в корреспонденции с поступлением на счет учета ОС (01) с открытием инвентарной карточки. Наймодатель может засчитать ремонт как основные средства после процедуры регистрации права владения. Когда пользователь имуществом передает неотделимые изменения владельцу, затраты списываются таким образом:

  • подлежащие возмещению – выбытие со счета 08 в корреспонденции с поступлением на счет 76;
  • невозмещаемые – со счета 08 на 91.

Изменения, зачисляемые в состав собственных ОС, подлежат амортизации по общепринятым правилам.

Учет капитальных улучшений

Наниматель должен использовать имущество по договору аккуратно, производить текущие работы по устранению незначительных поломок, возникших изъянов, предотвращению износа, оплачивать содержание. Наймодатель должен осуществлять капитальный ремонт, если в контракте не зафиксировано иное положение. В отличие от текущего, этот вид устранения «проблем» предполагает восстановление поломанных предметов и конструкций элементов или замену на более технологичные, износоустойчивые.

Если капитальные преобразования производит собственник, то затраты определяются как понесенные на ремонт сдаваемого объекта. В прочих ситуациях можно говорить о модернизации, оптимизации, достройке, реконструкции или техническом перевооружении. Все перечисленные действия относятся к изменениям имущества, которые нельзя изъять и забрать с собой.

Отображение в договоре

Неотделимые улучшения, согласно ГК РФ, на которые выделил средства наниматель, не подлежат возврату в денежном эквиваленте, если они не разрешены владельцем объекта. Список работ, которые предполагается осуществить для усовершенствования имущества, сведения о том, кто финансирует оптимизацию, способ возмещения затрат – все это оформляется в контракте или дополнительном документе.

Компенсация может происходить путем снижения платы за пользование объектом. Возможно составление соглашения по реализации неотделимых изменений. Вариант выбирается участниками сделки. Корректно написанный договор аренды жилья или производственного помещения – важный элемент правоотношений. Когда одна из сторон его не выполнила, вторая сможет защитить свои интересы в судебной инстанции.

Скачать исковое заявление

Определение стоимости

Выявление размера финансирования оптимизации могут осуществить стороны по согласованию, с учетом рыночной цены на имущество. Необходимо понимать, что для такого объекта ограничен круг потенциальных покупателей и реализаторов. Более того, это только конкретные лица – арендатор и арендодатель. Эти обстоятельства формируют способы оценки, из которых единственным в рассматриваемом случае является затратный.

Суть метода в том, что учитывается период окупаемости, текущая цена предыдущих вложений, износ. В результате эксперт выявляет эффективность модернизации в материальном понимании. Сумма возмещения определяется с учетом временной стоимости денег, так как арендодатель приобретает изменения после окончания периода действия контракта. А к этому моменту стоимость модернизации успевает снизиться, происходит износ элементов конструкции.

Подводя итоги

Большинство нанимателей помещений под офис или для других целей тратится на их реконструкцию, улучшение, ремонт, вносит иные усовершенствования. Если результат изменений нельзя забрать, изъять, демонтировать без ущерба для арендованного объекта, он является неотделимым и остается собственнику. Чтобы наймодатель возместил траты на модернизацию, эти действия должны быть согласованы с ним и предусмотрены в договоре или допсоглашении к документу.

О чём стоит помнить при улучшении арендованного имущества :: ООО «Эдвайзерс Лигал Групп»

Стоит начать с того, что общие положения об улучшениях имущества содержатся в статье 594 Гражданского кодекса Республики Беларусь. Более подробно данный вопрос регулируется Постановлением Пленума Высшего Хозяйственного Суда Республики Беларусь от 15.02.2012 №1″О некоторых вопросах рассмотрения дел, возникающих из арендных правоотношений».

Что же такое улучшения имущества?

Законодатель определяет их как вложения в имущество, которые изменяют нормативные показатели функционирования имущества, улучшают его характеристики.

Производимые улучшения делятся на отделимые и неотделимые:

  • отделимыми являются те улучшения, которые можно отделить от объекта аренды без вреда для самого объекта;
  • неотделимыми являются улучшения, которые прочно связаны с объектом аренды и не могут быть отделены от объекта без причинения ему вреда и, кроме того, влекут за собой изменение стоимости самого имущества, признаются собственностью арендодателя и переходят к последнему вместе с объектом аренды после окончания договора аренды.

По общему правилу, произведенные арендатором отделимые улучшения арендованного имущества являются его собственностью, если иное не предусмотрено договором аренды. Такая норма является диспозитивной, что предполагает возможность сторон закрепить иные условия в договоре аренды. Например, что арендатор может производить отделимые улучшения только с согласия арендодателя или, например, что произведённые арендатором отделимые улучшения являются собственностью арендодателя. То есть, положение Гражданского кодекса о том, что произведённые арендатором отделимые улучшения являются его собственностью, будет действовать только в случае, если иные условия стороны не предусмотрят в договоре.

В части 2 статьи 594 нашла своё закрепление следующая норма:

в случае, когда арендатор произвел за счет собственных средств и с согласия арендодателя улучшения арендованного имущества, неотделимые без вреда для имущества, арендатор имеет право после прекращения договора на возмещение стоимости этих улучшений, если иное не предусмотрено договором аренды.

Прочитав её, мы уже знаем, что в договоре аренды можно закрепить иные условия. Такие как: стоимость неотделимых улучшений, произведённых арендатором, не возмещается или подлежит частичному возмещению.

Однако, при условии что в договоре отсутствуют положения, регулирующие порядок произведения улучшений имущества, нужно помнить, что в таком случае будут действовать номы Гражданского кодекса. Тогда арендатору следует обратить внимание на обязательное условие для произведения неотделимых улучшений – согласие арендодателя.

Часть 3 статьи 594 Гражданского кодекса является императивной нормой, и предусматривает, что стоимость неотделимых улучшений арендованного имущества, произведенных арендатором без согласия арендодателя, возмещению не подлежит, если иное не предусмотрено законодательством. Это значит, что в договоре стороны не вправе предусмотреть возмещение арендодателем стоимости произведенных арендатором без согласия арендодателя неотделимых улучшений. Следовательно, если арендатор намеревается производить неотделимые улучшения, то ему в обязательном порядке требуется получить согласие арендодателя в письменном виде.

 

Автор: Маргарита Дашиневич

Неотделимые улучшения арендованного имущества, не компенсируемых арендодателем, не образуют объекта обложения НДС у арендатора

Материал подготовил постоянный ведущий данной рубрики А.А. Куликов, управляющий партнер ООО «Агентство Налоговых Поверенных» (tax-top.ru).

Содержание

  • Арбитражная практика. Неотделимые улучшения арендованного имущества, не компенсируемых арендодателем, не образуют объекта обложения НДС у арендатора

Неотделимые улучшения арендованного имущества, не компенсируемых арендодателем, не образуют объекта обложения НДС у арендатора

Суть проблемы

В соответствии с подпунктом 1 пункта 1 статьи 146 НК РФ объектом обложения налогом на добавленную стоимость, в частности, признается безвозмездная передача товаров (работ, услуг). При этом, при рассмотрении ситуации, отражающей взаимоотношения между арендодателем и арендатором в части неотделимых улучшений, правоприменитель предлагает арендатору начислять НДС в общеустановленном порядке. В частности, в письме Минфина России от 31.12.2009 № 03-07-11/341 отношения по возврату предмета аренды по окончании договора аренды с неотделимыми улучшениями квалифицируются как безвозмездная передача арендатором в пользу арендодателя имущества (неотделимых улучшений).

Судебные решения

Налогоплательщик-арендатор, осуществивший неотделимые улучшения предмета аренды, при его возврате не начислил НДС.

Позиция налогового органа: налогоплательщик безвозмездно передал арендодателю результаты работ по улучшению арендованного имущества и должен был исчислить НДС (подп. 1 п. 1 ст. 146 НК РФ).

Суд встал на сторону арендатора, руководствуясь следующим.

Право собственности на имущество возникает в силу закона или договора. Пунктом 1 статьи 623 ГК РФ предусмотрено, что произведенные арендатором отделимые улучшения арендованного имущества являются его собственностью. Согласно пункту 2 статьи 623 ГК РФ, если арендатор произвел за счет собственных средств и с согласия арендодателя улучшения арендованного имущества, неотделимые без вреда для имущества, арендатор имеет право после прекращения договора на возмещение стоимости этих улучшений. Т. е. законом предусмотрено возникновение права собственности у арендатора только на отделимые улучшения. Для неотделимых улучшений предусмотрен другой правовой режим — возмещение арендодателем арендатору затрат на эти улучшения.

При этом право собственности на неотделимые улучшения у арендатора не возникает, т. к. арендуемое помещение с неотделимыми улучшениями представляет собой единое целое — неделимую вещь, имеющую собственника-арендодателя.

Таким образом, спорные неотделимые улучшения, произведенные арендатором в период аренды, не могли быть переданы арендодателю в смысле статьи 39 НК РФ, и их стоимость не образует самостоятельный объект налогообложения НДС.

Постановление ФАС СКО от 27.07.2011
№ А53-19081/2010

Арбитражная практика. Неотделимые улучшения арендованного имущества, не компенсируемых арендодателем, не образуют объекта обложения НДС у арендатора

Изменения в правилах лицензирования технологий иностранными лицензиарами

Например, в «Отчете по разделу 301», опубликованном Управлением торгового представителя США в марте 2018 года, США утверждали, что « действия, политика и практика китайского правительства, как сообщается, лишают американские компании возможности устанавливать рыночные отношения. основываются на условиях лицензирования и других переговоров, связанных с технологиями, с китайскими компаниями и подрывают контроль американских компаний над своими технологиями в Китае.Например, Положения об управлении импортом и экспортом технологий предписывают определенные условия для возмещения убытков и права собственности на технологические усовершенствования для импортируемых технологий, а другие меры также предусматривают нерыночные условия в лицензионных и технологических контрактах.

В целях решения таких проблем статья 22 Закона об иностранных инвестициях устанавливает следующие принципы:

(1) Китайское государство защищает права интеллектуальной собственности иностранных инвесторов и предприятий с иностранными инвестициями;

(2) Китайское государство поощряет техническое сотрудничество, осуществляемое в соответствии с принципами добровольности и бизнес-правилами в процессе иностранных инвестиций;

(3) условия технического сотрудничества обсуждаются и определяются всеми сторонами инвестиций на равной основе в соответствии с принципом справедливости;

(4) административные агентства и их сотрудники не должны использовать административные средства для принуждения к передаче технологии.

Наряду с обнародованием Закона об иностранных инвестициях, некоторые положения в соответствии с Положением Китайской Народной Республики об администрировании импорта и экспорта технологий ( TIER ), которые были сочтены несправедливыми и дискриминационными по отношению к иностранным лицензиарам. были отменены. Иностранные лицензиары теперь могут лучше договариваться о лицензиях на технологии с китайскими лицензиатами.

  1. Какие старые правила были отменены и какие новые правила применяются?

В соответствии с предыдущим режимом, лицензии на технологию, выдаваемые иностранными лицензиарами китайским лицензиатам, должны были соответствовать правилам, изложенным в TIER.Эти правила не применяются к лицензированию технологий и передаче технологий между двумя местными компаниями КНР, которые регулируются Законом о контрактах КНР (Закон о контрактах ) и Интерпретацией Верховного народного суда по некоторым вопросам, касающимся применения закона. в судебных делах, связанных со спорами о технологических контрактах ( SPC Interpretation ).

Три положения старого TIER, касающиеся ограничений для иностранных лицензиаров, были отменены.В соответствии с новым режимом любой контракт на лицензию на технологию между иностранным лицензиаром и китайским лицензиатом, регулируемый законодательством КНР, должен соответствовать Закону о контрактах и ​​интерпретации SPC, так же, как передача технологии между двумя внутренними сторонами Китая.

Мы изложили в таблице ниже (i) правила, которые были отменены в соответствии с TIER, и (ii) соответствующие правила, касающиеся тех же вопросов в соответствии с Контрактным правом и интерпретацией SPC (различия с требованиями TIER выделены красным).

(Щелкните, чтобы открыть полный PDF-файл)

2. Влияние на трансграничное лицензирование технологий

Как показано в таблице выше, ключевые изменения внесены в правила, касающиеся (i) ответственности за нарушение прав интеллектуальной собственности третьих лиц и (ii) владения усовершенствованными технологиями. Некоторые ограничительные положения (аналогичные, но несколько отличающиеся от тех, которые запрещены в соответствии с TIER) по-прежнему запрещено включать в договоры о трансграничных лицензиях на технологии в соответствии с правилами, изложенными в Интерпретации SPC.

2.1 Ответственность за нарушение

В прошлом это требование использовалось китайскими лицензиарами, чтобы требовать строгой ответственности со стороны иностранного лицензиара в случае любого нарушения лицензированной технологии на права интеллектуальной собственности третьей стороны. Это требование является обременительным и обременительным для иностранных лицензиаров (особенно небольших компаний, стремящихся лицензировать технологию), поскольку многие из них не обладают опытом или ресурсами, необходимыми для оценки и принятия на себя риска судебных разбирательств с третьей стороной.

Теперь, когда требование TIER было отменено и Закон о договорах позволяет сторонам согласовывать распределение ответственности за нарушение прав интеллектуальной собственности третьих лиц, мы предлагаем иностранным лицензиарам учитывать следующие моменты при переговорах со своими китайскими партнерами:

  • Лицензиар должен потребовать от лицензиата незамедлительно уведомить лицензиара в письменной форме в случае любых претензий третьих сторон и предоставить лицензиару необходимую помощь в проведении необходимой защиты.
  • Лицензиар должен отличать (а) претензии третьих сторон на основании нарушения прав третьих лиц путем санкционированного использования лицензированной технологии от (б) претензий на основании нарушения прав в результате несанкционированного или ненадлежащего использования лицензированной технологии со стороны лицензиат.
  • В отношении требований (а) выше, лицензиар должен потребовать, чтобы лицензиат не делал никаких допущений или предвзятых заявлений в суд без получения предварительного письменного согласия лицензиара. Лицензиар может согласиться освободить лицензиата от ответственности только в том случае, если окончательное решение, вынесенное компетентным судом, подтверждает наличие такого нарушения.
  • Лицензиар не должен возмещать лицензиату любые убытки, вызванные нарушением прав в результате несанкционированного или ненадлежащего использования лицензированной технологии лицензиатом.
  • Любое намерение лицензиата произвести расчет с третьей стороной должно быть одобрено лицензиаром в письменной форме.
  • Лицензиар может установить ограничение на общую сумму компенсации и возмещения в пределах, разрешенных применимым законодательством.

2.2 Право собственности на технологические усовершенствования

Это еще один острый вопрос переговоров между иностранными лицензиарами и китайскими лицензиатами.При старом режиме это правило создавало путаницу, когда улучшенная технология была неотделима от лицензированной технологии и была невыгодной для иностранного лицензиара, где улучшенная технология была отделима, и, следовательно, позволяла китайскому лицензиату владеть такой улучшенной технологией без совместного владения с иностранным лицензиаром. .

Хотя требование TIER о том, что лицензиат должен владеть любым усовершенствованием технологии в течение срока действия лицензионного контракта на технологию, было отменено, любое соглашение о владении и использовании усовершенствованных технологий является предметом принципа взаимной выгоды и не может быть неравным.

Мы предлагаем иностранным лицензиарам учитывать следующие моменты в переговорах со своими китайскими партнерами:

  • Работайте с технологической командой, чтобы различать «изменение технологии» и «улучшение технологии». Эта задача может быть непростой, но при правильном определении может предоставить иностранному лицензиару хороший уровень контроля над тем, как лицензированная технология может использоваться лицензиатом. Например, любое изменение дизайна, спецификации или рабочего процесса, вызванное рыночным спросом или другими причинами, должно быть согласовано и одобрено лицензиаром.Лицензиар должен потребовать, чтобы лицензиат взял на себя полную ответственность за все убытки или ущерб, которые могут возникнуть в результате такого изменения.
  • Иностранный лицензиар может вести переговоры о единоличном владении любой технологией, существовавшей до любой улучшенной технологии и любой улучшенной технологии, созданной лицензиаром.
  • Иностранный лицензиар может потребовать, чтобы любое усовершенствование технологии, сделанное лицензиатом, находилось в совместной собственности лицензиара и лицензиата. В качестве дополнительной позиции любое отдельное технологическое усовершенствование может принадлежать исключительно лицензиату, в то время как любое неотделимое технологическое усовершенствование по-прежнему находится в совместной собственности лицензиара и лицензиата.Стороны могут договориться о том, что и лицензиар, и лицензиат (включая их соответствующие аффилированные лица) имеют право использовать любую технологию, находящуюся в совместном владении, без согласия другой стороны.
  • Стороны могут договориться о том, что лицензиар и его назначенные стороны имеют право использовать любое усовершенствование технологии, принадлежащее лицензиату, за определенную плату или в обмен на право лицензиата использовать любое усовершенствование технологии, принадлежащее только лицензиару.

3. Предложения

Несмотря на то, что были внесены улучшения в правила, регулирующие лицензирование технологий иностранными лицензиарами для китайских лицензиатов, все еще существуют ограничения на то, какие условия иностранный лицензиар технологий может наложить на китайского лицензиата.Поэтому мы предлагаем, чтобы наши иностранные клиенты сначала рассмотрели применимое право контракта о лицензии на технологию как право места регистрации иностранного лицензиара, предполагая, что закон имеет меньше таких ограничений для лицензиаров.

Для любого существующего контракта на лицензию на технологию, если есть положения, которые были включены для соблюдения этих ныне отмененных правил в рамках TIER, иностранный лицензиар может проверить контракт, чтобы определить, есть ли у него какая-либо договорная основа (например, пункт об изменении закона ) для пересмотра таких положений.

По любому контракту на лицензию на новую технологию иностранные инвесторы теперь могут вести переговоры о более выгодном положении с точки зрения ответственности за нарушение прав и владение усовершенствованиями технологий. Наши предложения, изложенные выше, могут служить отправной точкой для иностранных лицензиаров при разработке стратегии переговоров.

Переосмысление разделимых сверточных кодеров для сквозной семантической сегментации изображения

С развитием науки и технологий средний объем и нейронная сеть в семантической сегментации изображения кодека показывают хорошие перспективы развития.Его преимущество в том, что он может извлекать более богатые семантические функции, но это требует больших затрат. Чтобы решить эту проблему, в этой статье в основном вводится кодек на основе разделяемой сверточной нейронной сети для семантической сегментации изображения. В этой статье предлагается кодек на основе разделяемой сверточной нейронной сети для методов исследования семантической сегментации изображений, включая традиционную иерархию сверточной нейронной сети в разделяемую сверточную нейронную сеть, которая может снизить стоимость сегментации данных изображения и повысить эффективность обработки.Кроме того, в этой статье строится разделимая структура кодека сверточной нейронной сети и разрабатывается процесс семантической сегментации, так что кодек, основанный на разделимой сверточной нейронной сети, используется в исследовательских экспериментах по семантической сегментации изображений. Результаты экспериментов показывают, что среднее улучшение набора данных улучшенным кодеком составляет 0,01, что доказывает эффективность улучшенного SegProNet. Чем меньше количество выборок обучающего набора, тем очевиднее улучшение производительности.

1. Введение

Сверточная нейронная сеть (CNN) была впервые предложена Хьюбелом и Визелем в 1960-х годах [1]. Благодаря возможности напрямую вводить исходное изображение для распознавания без сложной предварительной обработки изображения, в настоящее время он широко используется во многих приложениях. В области науки это особенно заметно при классификации паттернов. Он может изучать локальные особенности автономно, и когда входное изображение изменяется и искажается, результирующие функции остаются неизменными.CNN основана на структуре общего ядра свертки, что дает большие преимущества при обработке изображений большого размера фактического размера. Он реализует инкапсуляцию извлечения функций. Пользователю не нужно заботиться о конкретных обучаемых функциях, просто о том, что они хорошо обучены, достаточен вес, хороший эффект классификации и высокая точность. Недостатком является то, что для этого требуется большой объем выборочных данных, большой объем вычислений и настроек параметров.

В последние годы CNN стали основным методом решения многих задач компьютерного зрения [2], таких как классификация изображений, обнаружение целей и семантическая сегментация. С ростом размера набора данных, улучшением вычислительной мощности аппаратного обеспечения и введением ряда отличных сетевых структур [3] количество обучаемых CNN постоянно обновляется. При обработке разложимой CNN вычислительная сложность значительно снижается.

Чо СИ предложил новый метод семантической сегментации изображения на основе CNN, который сначала использует разделяемую свертку и градиент для уменьшения вычислительной сложности и улучшения сегментации изображения и производительности шумоподавления [4].Предлагаемый метод преобразует существующие фильтры свертки в традиционном шумоподавителе сегментации CNN в каскадные вертикальные и горизонтальные разделяемые свертки и уменьшает особенности между этими свертками путем анализа распределения весов свертки и количества каналов. Чо Си полагал, что предложенная им разделяемая свертка с уменьшением размера элемента может значительно сократить количество операций умножения CNN, одновременно минимизируя ущерб качеству сегментации изображения.Кроме того, Чо СИ использовал градиент заданного изображения в качестве входных данных предлагаемого разделяемого сегментатора изображения CNN, используя взаимосвязь между сегментером на основе анизотропной диффузии и остаточным сегментатором CNN для улучшения сегментации изображения и качества кодирования [5 ]. Это исследование не имеет теоретической поддержки [6]. Yeung HWF предложил эффективную и действенную разделяемую модель CNN для пространственной сегментации изображений со сверхвысоким разрешением. В частности, предлагаемая модель имеет форму песочных часов, так что извлечение признаков может быть выполнено с низким уровнем разрешения, что позволяет сэкономить на вычислениях и затратах на хранение.Чтобы в полной мере использовать четырехмерную структурную информацию данных изображения в пространственной и угловой областях, мы предлагаем использовать четырехмерную свертку для характеристики взаимосвязи между пикселями. Кроме того, в качестве аппроксимации четырехмерной свертки Yeung HWF также рекомендовал использовать свертку с пространственно-угловым разделением (SAS) для улучшения вычислений и эффективности памяти для извлечения пространственно-угловых суставных функций. Большое количество экспериментальных результатов этого эксперимента на 57 тестовых изображениях различных сложных природных сцен показывают, что по сравнению с новейшими методами предложенная модель имеет значительные преимущества, обеспечивая лучшее визуальное качество и лучшее сохранение и структуру изображения со сверхвысоким разрешением, в то время как ухудшение качества изображения качество реконструкции ничтожно.Этот метод дорог в использовании и не способствует популяризации [7]. Лю Цзиньпин полагал, что интенсивные вычисления высокоэффективного кодирования видео создают проблемы для кодека с точки зрения аппаратных издержек и энергопотребления [8]. С другой стороны, ограничение в конструкции кодека серьезно снижает эффективность алгоритма выбора режима разделения модуля быстрого кодирования, ориентированного на программное обеспечение. Поэтому Лю Зи разработал быстрый алгоритм, основанный на CNN, для уменьшения более двух режимов разделения в каждом кодеке для выполнения обработки оптимизации искажения с полной скоростью, тем самым уменьшая аппаратную сложность кодека.В эксперименте Лю Зи использовалось лучшее арифметическое представление и 65-нм CMOS TSMC для разработки высокоскоростной [714 МГц в наихудших условиях (125 ° C, 0,9 В)] и недорогой (42,5 тыс. Гейтов) ускорительной технологии для быстрых алгоритмов. . Ускоритель может поддерживать HD 1080p со скоростью 55 кадров в секунду при кодировании в реальном времени. Этот исследовательский процесс более сложен и непрактичен [9].

Нововведения в этой статье заключаются в следующем: (1) предложение модели разделяемого алгоритма CNN; (2) построение разделяемой структуры кодека CNN; (3) разработка процесса семантической сегментации отделяемого сверточного изображения нейронной сети.

2. Метод исследования сегментации семантического изображения на основе кодека разделимой сверточной нейронной сети
2.1. Сверточная нейронная сеть

Когда компьютер получает изображение, он обрабатывает изображение как двумерную матрицу данных. По разным алгоритмам получается характерная информация на изображении. После серии процессов обучения и обучения, наконец, получается сетевая структура для классификации, позволяющая судить об изображении или отфильтровывать целевое изображение [10].Целью нейронной сети является определение того, что представляет собой ввод, а CNN использует идею свертки, чтобы предоставить метод для извлечения значений признаков [11]. CNN — это нейронная сеть с глубокой прямой связью, состоящая из сверточного слоя, нелинейного слоя, слоя объединения и полносвязного слоя [12].

2.1.1. Сверточный слой

Сверточный слой является ядром сети, и большинство вычислений выполняется в сверточном слое. Карта признаков создается в операции свертки и выводится на следующий слой для извлечения признаков [13].В операции свертки ядро ​​свертки изучает лучшие параметры для извлечения признаков с помощью итераций. Сверточный слой можно рассматривать как средство экстракции признаков, которое извлекает характерные признаки из изображения посредством операции свертки [14]. Возьмем одноканальное ядро ​​одиночной свертки в качестве примера, чтобы проиллюстрировать операцию свертки, где I представляет входную карту характеристик, O представляет выходную карту характеристик, а K представляет ядро ​​свертки.Операция свертки может быть выражена следующей формулой:

Ядро свертки представляет собой трехмерный тензор, и каждый пиксель карты признаков соответствует нейрону [15]. Каждый нейрон имеет область того же размера, что и ядро ​​свертки на карте признаков верхнего слоя, которая называется принимающим полем нейрона, и каждый нейрон связан с нейронами в принимающем поле через ядро ​​свертки [16]. При отображении признаков нейроны в одном канале совместно используют ядро ​​свертки, а разные каналы соответствуют разным ядрам свертки [17].Процесс расчета отображения признаков можно выразить следующей формулой:

2.1.2. Нелинейный слой

В CNN функция нелинейной активации обычно следует за операцией свертки. Операция свертки — это операция линейного взвешенного суммирования. По мере увеличения глубины CNN количество сверточных слоев увеличивается. Вложение линейных функций имеет слабую способность к нелинейному выражению. Эта проблема может быть решена путем добавления нелинейной функции активации после сверточного слоя, чтобы сеть могла аппроксимировать любую функцию, а нелинейная функция активации также может повысить эффективность сходимости сети [18, 19].Обычно используются три нелинейные функции активации: Sigmoid, Tanh и ReLu.

Выражение сигмоидной функции выглядит следующим образом:

Выражение функции Tanh имеет следующий вид:

Выражение функции ReLu имеет следующий вид:

2.1.3. Уровень объединения

Другая важная операция CNN называется объединением, также называемым понижающей дискретизацией [20]. Объединение в пул может уменьшить параметры сети, уменьшить разрешение сопоставления функций и уменьшить влияние деформации на сопоставление функций.Общие операции объединения включают в себя объединение среднего и максимального пула. Средний пул выбирает среднее значение соседних регионов карты функций для представления региона [21]. Максимальное объединение выбирает максимальное значение прилегающей области карты функций для представления области. Из-за использования слоя объединения разрешение плоскости признаков снижается, а уменьшенное разрешение плоскости признаков упростит расчет сети, а также уменьшит параметры обучения, тем самым уменьшив переобучение [22].Кроме того, из-за пониженного разрешения карты признаков в следующем сверточном слое рецептивное поле, соответствующее ядру свертки, также будет увеличиваться [23].

2.1.4. Полностью связанный слой

Каждый элемент, выводимый полностью связанным слоем, связан с элементами всех входных карт объектов, поэтому он называется полносвязным слоем. Полностью связанный слой не извлекает такие свойства ввода, как сверточный слой и слой объединения, а затем выводит их в скрытый; вместо этого вывод отображается в пространство меток выборки, а вывод полностью связанного слоя представляет собой одномерный вектор [24].Количество параметров полностью связанного слоя больше, чем количество параметров сверточного слоя. Как правило, полностью связанный слой будет использоваться за сверточным слоем для сопоставления объектов, извлеченных сверточным слоем, с пространством выборки [25].

2.1.5. Оптимизация

Метод оптимизации заключается в вычислении минимального значения потерь. Для данного набора данных D целью оптимизации является среднее значение всех потерь данных в D, то есть средняя потеря, принимающая минимальное значение [26].Существует следующая формула:

Когда данный набор данных D очень велик, вместо него обычно используется случайное подмножество N набора данных, намного меньшее, чем весь набор данных. Существует следующая формула:

2.2. Разделимая сверточная нейронная сеть

Чтобы уменьшить модель сети и увеличить скорость вычислений, структура CNN должна быть дополнительно оптимизирована [27]. Самый прямой метод — уменьшить размер параметров, то есть использовать меньшее ядро ​​свертки и карту характеристик для сжатия из существующей сетевой модели. Учитывая метод ускорения, метод сжатия в основном включает сжатие с точки зрения значения веса и от перспектива сетевой архитектуры [28].Стандартная трехмерная свертка делится на два процесса: трехмерная свертка по глубине и трехмерная поэлементная свертка. На этапе трехмерной свертки с глубиной свертки ядро ​​свертки вычисляется только отдельно для каждого канала каждого кадра входной последовательности, и они не объединяются. Это новая функция; на этапе трехмерной поэтапной свертки для свертки используется ядро ​​свертки определенного размера [29]. Таким образом, процесс расчета имеет следующую формулу:

Расчетная стоимость после разделения выглядит следующим образом:

Разделение CNN позволяет значительно уменьшить количество параметров модели и повысить скорость расчета.В то же время количество слоев удваивается, что углубляет сеть, увеличивает нелинейность сети и в то же время может улучшить эффект классификации сети [30].

2.3. Семантическая сегментация изображения

Семантическая сегментация состоит в том, чтобы выделить изображение в значимые области и пометить категории объектов, представленные этими областями, что визуально означает, что категории различных объектов обрабатываются разными цветами [31]. В глубоком обучении данные — неотъемлемая тема.Качество данных напрямую влияет на результаты этого алгоритма [32]. Для сбора данных также требуются профессионалы. С момента появления общедоступных наборов данных исследователям не хватало данных. Проблема была решена, что также способствовало стремительному развитию глубокого обучения [33]. Наиболее часто используемые общедоступные наборы данных для семантической сегментации изображений в литературе — это PASCAL VOC2012, MS COCO, ADE20 K, PASCAL Context, Cityscapes, CamVid и SYNTHIA [34]. При семантической сегментации изображения общее количество категорий объектов в изображении определяется как N, представляет количество пикселей с фактической категорией i и прогнозируемой категорией j, а также представляет количество пикселей с фактической категорией i.Индекс оценки семантической сегментации изображения — это обычно уровень точности пикселей, средняя точность и средний коэффициент пересечения [35].

Точность пикселей, определяемая как отношение количества правильно классифицированных пикселей к общему количеству пикселей изображения, является простейшим показателем, который измеряет общую производительность алгоритмов сегментации изображения на уровне пикселей при семантической сегментации [36]. Существует следующая формула:

Средняя точность определяется как средняя точность различных категорий объектов.Это простое улучшение точности пикселей. Сначала вычислите долю правильно классифицированных пикселей в каждой категории по категориям, а затем вычислите среднее значение по всем категориям. Средняя степень точности измеряет эффективность алгоритма сегментации изображения на уровне пикселей для каждого класса эффекта сегментации [37]. Существует следующая формула:

Средний коэффициент пересечения, определяемый как отношение пересечения и объединения результата сегментации и истинного значения, имеет преимущества простоты и репрезентативности и является наиболее часто используемым оценочным индексом.В большинстве исследований для измерения результатов семантической сегментации используется средний коэффициент пересечения [38]. Существует следующая формула:

Методическая часть данной статьи использует описанный выше метод для изучения эксперимента семантической сегментации изображения на основе кодека разделяемой CNN. Конкретный процесс показан на рисунке 1.


3. Разделительный кодек на основе сверточной нейронной сети для эксперимента по исследованию сегментации семантического изображения
3.1. Построение структуры кодека разделимой сверточной нейронной сети

Разделимая свертка обычно разделяет операцию свертки на несколько шагов.Обычно он используется как отделяемая глубокая свертка в глубоком обучении. Основная идея состоит в том, чтобы разделить завершенную операцию свертки на глубокую свертку и точечную свертку. Свертка глубины отличается от традиционной свертки. Изображение карты признаков после глубокой свертки имеет то же количество каналов, что и входной слой. После завершения этой операции требуется операция свертки по точкам, чтобы объединить эти функции в новые функции. Суть поэтапной свертки состоит в том, чтобы сконцентрировать изображения признаков свертки с разделением по глубине в направлении глубины для создания нового признака.

Разделимая CNN применяется к структуре сети кодеков, и разрабатывается структура сети сквозных кодеков SegProNet, которая обеспечивает пространственную семантическую информацию пикселей при выполнении обнаружения и сегментации признаков. SegProNet выполняет максимальное объединение на первых трех уровнях структуры кодирования и выполняет соответствующие операции индексации для достижения стандартов позиционирования пикселей. Последние два уровня удаления из пула используются только для обработки фальцовки, чтобы гарантировать восприятие неопределенности пространственного разрешения и информации о контурах границ.Выполните сегментацию пикселей, чтобы улучшить детальную информацию, воспринимаемую сетью, и обеспечить точность прогнозирования позиционирования пикселей. Комбинируйте индекс и повышающую дискретизацию для создания разреженных карт объектов и объедините свертку для создания плотных объектов. За счет выборочного отказа от объединения потери пространственной информации уменьшаются, при этом предотвращается потеря информации, вызванная повторной повышающей дискретизацией в исходной сети. Семантическая информация и информация о местоположении используются для получения количества полей, что улучшает разделение границ, значительно сокращает количество параметров для сквозного обучения и гарантирует, что сеть может изучить более абстрактные настройки функций.Удаляя конвергенцию и относительно глубокую свертку, сеть может извлекать более подробные характеристики изображения, обеспечивая при этом точность пространственных семантических характеристик. Чтобы увеличить параметры, вызванные удалением пула, установите узкий слой, чтобы увеличить глубину сети и, в то же время, повысить эффективность обучения.

Тот же метод свертки используется, чтобы гарантировать, что размер изображения остается неизменным до и после того, как изображение пересылается в декодер через максимальный индекс пула.Входное изображение загружается нелинейным образом, чтобы получить информацию о пространственно-семантическом изображении и избежать потерь в процессе кодирования. После максимальной сходимости каждого слоя добавляется слой пакетной нормализации, и числовой диапазон после формирования нелинейной функции близок к стандартизованному распределению диапазона насыщения, что позволяет избежать исчезновения градиента.

Декодер состоит из уровня восходящей дискретизации, сверточного уровня и уровня объединения.Он восстанавливает пул пикселей на основе информации самого большого информационного пула и восстанавливает часть положения сканирования вверх. Часть кодировщика также использует тот же метод сворачивания [38]. Для каждого пикселя после кодирования данные пикселей на разных каналах комбинируются с линейными параметрами без изменения топологической структуры и информации о размерах исходного изображения [39], тем самым расширяя и углубляя структуру сети.

3.2. Разработка процесса семантической сегментации

Чтобы эффективно выполнять семантическую сегментацию изображений, необходимо решить два ключевых момента.Во-первых, мы должны обучить сетевую модель. Перед обучением сетевой модели мы должны определить тип предварительно сегментированного изображения, затем выбрать большое количество изображений, соответствующих типу предварительно сегментированного изображения, в качестве набора данных и создать соответствующую карту меток, чтобы можно было выполнить обучение сетевой модели. Второй — предварительная обработка входного изображения. Эта статья в основном обозначает изображение, чтобы уменьшить его потерю. Наконец, обработанное изображение вводится в обученную сетевую модель для получения результата сегментации вывода.

В задаче сегментации и распознавания изображений можно встретить некоторые изображения с тенями или переэкспонированием [40]. Эти факторы не должны влиять на окончательные результаты распознавания сегментации. Следовательно, входные изображения должны быть предварительно обработаны, чтобы сделать модель CNN как можно меньше из-за некоторых ненужных факторов. Яркость, контраст, шум и другие атрибуты изображения имеют большое влияние на изображение. Один и тот же объект имеет огромную разницу при разной яркости и контрасте.Качество изображения напрямую влияет на результат обработки изображения. Перед вводом изображения необходимо предварительно обработать изображение. Основная цель предварительной обработки изображения — уменьшить количество бесполезной информации в изображении, восстановить полезную информацию, улучшить обнаруживаемость целевого объекта и максимально упростить данные, тем самым повышая надежность выделения признаков, сегментации изображения и распознавания. [41]. При семантической сегментации изображения будут возникать различные шумы в процессе получения и ввода изображения.Шум в изображении — бесполезная информация, поэтому входное изображение повлияет на результат сегментации. Чтобы эффективно повысить точность сегментации, нам необходимо предварительно обработать изображение, уменьшить шум изображения и сохранить полезную информацию изображения как можно более полной при удалении шума на изображении.

3.2.1. Фильтрация по Гауссу

Фильтрация по Гауссу заключается в использовании шаблона для сканирования каждого пикселя в изображении и последующем использовании средневзвешенного значения серого пикселей в окрестности, определенной шаблоном, для замены значения центрального пикселя шаблона.Гауссова фильтрация — это плавный линейный фильтр, который придает пикселям разные положения и веса. Пиксели, расположенные ближе к центру, имеют наибольший вес, что позволяет сгладить шум и сохранить все характеристики распределения серого в изображении. Использование гауссовой фильтрации подходит для обработки карты гауссова шума.

3.2.2. Медианная фильтрация

Медианная фильтрация — это фильтр статистической сортировки, который сортирует все пиксели в окрестности, а затем берет медианное значение. Этот метод шумоподавления подходит для работы с дискретным точечным шумом.

3.2.3. Сегментация шумоподавления по уравнению P-M

Уравнение P-M выводится из уравнения теплопроводности. Его принцип аналогичен формуле фильтра Гаусса. Оба являются уравнениями анизотропной диффузии. В отличие от фильтрации Гаусса, уравнение PM связывает элементы изображения с процессом диффузии. Коэффициент направленной диффузии изменяется с изменением значения градиента изображения, поэтому этот метод может эффективно удалять шум и сохранять информацию о краях.

В экспериментальной части статьи предлагается использовать описанные выше шаги для кодека на основе разделяемой CNN для экспериментов по исследованию семантической сегментации изображения. Конкретный процесс показан в Таблице 1.

902 нейронная сеть

Экспериментальное исследование семантической сегментации изображения на основе раздельной сверточной нейронной сети Архитектура кодека на основе разделяемой сверточной нейронной сети 1
2 Кодер-декодер
Разработка процесса семантической сегментации 1 Фильтрация по Гауссу
2 Медианная фильтрация

4.Семантическая сегментация изображений на основе разделимой сверточной нейронной сети
4.1. Сравнительный анализ производительности

Новый модуль декодера сокращает количество слоев на один уровень по сравнению с исходной конструкцией. Согласно глубокому исследованию проектирования сети, уменьшение количества сетевых уровней помогает снизить нестабильность обучения сети. При этом количество параметров нового модуля декодера увеличивается по сравнению со старым модулем. Новый модуль имеет более сложную модель и может получить лучшее представление функций изображения, что полезно для повышения производительности сегментации изображения.Поскольку слой свертки за слоем деконволюции удаляется в новом модуле декодера, слой деконволюции может быть инициализирован в разумных пределах. Билинейная интерполяция может играть роль в повышающей дискретизации, поэтому мы можем использовать билинейную интерполяцию для инициализации слоя деконволюции. Алгоритмы, задействованные в эксперименте, реализованы PyTorch, фреймворком глубокого обучения. PyTorch — это набор инструментов, поддерживаемый исследовательской группой Facebook в области искусственного интеллекта. Он использует язык программирования python и представляет собой платформу для исследований глубокого обучения, которая подчеркивает гибкость разработки и скорость выполнения кода.PyTorch поддерживает ускорение графического процессора, что может значительно ускорить вычисления.

Чтобы сравнить производительность улучшенной CNN в семантической сегментации изображений, были проведены эксперименты с наборами данных CamVid, voc2012 и Cityscapes. Обе сети были обучены на обучающем наборе набора данных, а производительность сети была проверена на проверочном наборе набора данных. Конкретная ситуация с данными изображена в диаграмме, как показано в Таблице 2 и на Рисунке 2.


Набор данных Метод Среднее IoU Среднее ACC Общее ACC

CamVid SegProNet 0.4926 0.6129 0,8107
Улучшение SegProNet 0,5013 0,6194 0,8241
VOC2012 SegProNet 0,5114 0,6237 0,8134
Улучшение SegProNet 0,5207 0,6321 0,8327
CityScapes SegProNet 0,5126 0,5904 0,8406
Улучшение SegProNet 0.5225 0,6079 0,8671


Из таблицы видно, что улучшенная SegProNet превосходит исходную структуру по трем оценочным индексам: общий ACC, средний ACC . Если посмотреть на наиболее важный средний коэффициент пересечения и слияния, улучшенный SegProNet достигает среднего улучшения примерно на 0,01 на наборах данных CamVid, voc2012 и Cityscapes по сравнению с исходной структурой, что доказывает эффективность улучшенного SegProNet.Среди трех наборов данных набор данных CamVid имеет наименьшее количество выборок обучающих наборов, набор данных Cityscapes имеет наибольшее количество образцов обучающих наборов, а количество образцов обучающих наборов набора данных voice2012 находится между ними. Следовательно, можно видеть, что чем меньше количество выборок обучающего набора, тем лучше производительность улучшенного SegProNet по сравнению с исходным кодеком.

4.2. Сравнительный анализ экспериментов

При сегментации изображений, основанной на условном генерировании сети контрмер, то, как проектировать и генерировать сеть контрмер, то есть дискриминантную модель, является одним из ключевых алгоритмов.Если спроектированная сеть является слабой, эффект антиобучения не очевиден, что не может оптимизировать сеть семантической сегментации изображения. Если спроектированная сеть слишком сильна, процесс обучения не может сойтись и обучение модели генерации не удастся. Алгоритм показывает альтернативный процесс обучения сети семантической сегментации изображений в качестве модели генерации и сети конфронтации в качестве модели дискриминации, и в процессе обучения используются два вида функций потерь: один используется для обучения сети семантической сегментации изображения, а другой используется. тренировать противостояние сети.Наборы данных, используемые в этой части, — это набор данных CamVid и набор данных Cityscapes, а набор данных Cityscapes предоставляет только реальный график сегментации обучающего набора и проверочного набора, тогда как обучающий набор, проверочный набор и тестовый набор набора данных CamVid предоставляют реальный график сегментации. , поэтому тестовый набор набора данных CamVid также можно использовать для проверки эффективности сегментации метода. Конкретные результаты сравнения представлены в виде диаграмм, как показано в таблицах 3–5 и на рисунках 3–5.

902 902 902 902 902 902 902 902

Метод Средний IoU Средний ACC Общий ACC

FCN-84301 0,6307 0,8347
FCN-32S 0,4127 0,6425 0,8438
SegNet 902 902 902 902 902 0,6597 0,8364
SegProNet 0,5103 0,6741 0,8521
SegProNet + конфронтационное обучение 0.5231 0,6872 0,8675
Улучшение SegProNet 0,6142 0,6927 0,8843
Улучшение SegProNet + конфронтационное обучение
902 902 0,62 902 902 902 902 902 902 902 902 902 902 902 902 902 902 902 902 0,6513

Метод Среднее значение IoU Среднее значение ACC Общее значение ACC

4137 0,6217 0,6532
FCN-32S 0,4011 0,6349 0,6417
SegNet 0,6803
SegProNet 0,4421 0,6670 0,6947
SegProNet + конфронтационное обучение 0.4532 0,6721 0,7081
Улучшение SegProNet 0,4670 0,6739 0,7269
Улучшение SegProNet + конфронтационное обучение2 0,62 902 902 902 902 9018 902
902 902 902 902 902 902 902 902 902 902 902 902

Метод Среднее значение IoU Среднее значение ACC Общее значение ACC

4027 0,6241 0,6251
FCN-32S 0,3816 0,6373 0,6374
SegNet 0,4123 902 0,62 902 902 902 0,6801 0,6581
SegProNet 0,4531 0,6931 0,6742
SegProNet + конфронтационное обучение 0.4681 0,7044 0,6899
Улучшение SegProNet 0,5037 0,7247 0,7021
Улучшение SegProNet + конфронтационное обучение



Видно, что улучшенный метод конфронтационного обучения SegProNet достигает наивысшей производительности среди трех индикаторов на CamVid (проверочный набор).На CamBid (набор тестов) метод конфронтационного обучения SegNet + обеспечивает наивысшую общую точность, а улучшенный метод SegProNet обеспечивает наивысшую среднюю точность и средний коэффициент перекрестного слияния. В Cityscapes (проверочный набор) улучшенное конфронтационное обучение SegProNet обеспечивает наивысшую общую точность и средний коэффициент перекрестного слияния, а метод конфронтационного обучения SegProNet + достигает наивысшей средней точности. Вообще говоря, улучшенный метод обучения конфронтации SegProNet + дает лучшие результаты, а метод SegProNet — худший.

4.3. Структурный анализ разделяемой сверточной нейронной сети

Преимущество суммирования плоскостей признаков, извлеченных до, и плоскостей признаков свертки в качестве входных данных для сети следующего слоя, заключается в решении проблемы, заключающейся в том, что градиент сетевых объектов исчезает после извлечения плоскостей признаков. слой за раз. Во-вторых, свёрточная сеть напрямую вводит плоскость признаков, извлеченную из предыдущей части, во внутреннюю сеть, что улучшает обратное распространение признаков и делает более эффективное использование извлеченной плоскости признаков вместо того, чтобы распространяться вниз шаг за шагом, как традиционный метод.Установление связей между различными уровнями свертки и повторяемыми постоянными блоками является характеристикой построения сетевой модели контрмер генерации. Это позволяет сети получать лучшие результаты с меньшим количеством параметров. Наконец, после каждой операции свертки большинство из них добавляют операцию пакетной нормализации, которая, как было доказано, играет важную роль в глубоком обучении. Детали структуры сгенерированной сети показаны в Таблице 6.



Операция Размер ядра свертки Входной канал Выходной канал Шаг
Условное обозначение 1 12 ∗ 12 12 144 1 N
Условное обозначение 2 4 ∗ 4 144 144
144 Conv 3 4 ∗ 4 144 144 1 Y
Conv 4 4 ∗ 4 144 + 144 144 1 Y Y 5 4 ∗ 4 144 + 144 432 1 N
Conv 6 12 ∗ 12 432 90 217 4 1 N

Детали структуры сети дискриминации показаны в таблице 7.

902
902
431212 902 902 902 902 902 902 902 902 902 902 902 902 902 902 902 902 902 902 902 902 902

Операция Размер ядра свертки Входной канал Выходной канал Шаг Пакетная нормализация
4 144 1 N
Конв. 2 4 ∗ 4 144 144 2 Y
902 902 288 1 Y
Conv 4 4 ∗ 4 288 288 2 Y
Conv 5 Y
Conv 6 4 ∗ 4 432 432 2 Y
Conv 7 4 ∗ 4 432 576 1 Y
Условное обозначение 8 4 ∗ 4 576 576 2 902 902 902 902 902 902 902

Из данных на Рисунке 6 видно, что все шаги сети равны 1 ;; то есть размер изображения не изменяется до и после свертки.Чтобы объединить изображения признаков, полученные до и после, сеть не выполняет операцию объединения. Чтобы различать структурные детали сети, вместо традиционной операции объединения используется размер шага свертки. Когда изображение субдискретизировано, количество характерных плоскостей увеличивается. После 8-слойной свертки есть два полных уровня соединения. Первый полноценный уровень связи будет восьмым. 576 функциональных плоскостей вывода свертки подключены к следующим нейронам; второй полностью связанный слой объединяет эти нейроны в один выход; последний полностью связанный слой выводит вероятность того, что образец принадлежит истинному образцу и ложному образцу.


5. Выводы

В условиях стремительного роста объемов данных об изображениях и непрерывного развития глубокого обучения область компьютерного зрения привлекла беспрецедентное внимание из всех слоев общества. Как важная часть области компьютерного зрения, семантической сегментации изображений уделяется все больше и больше внимания в промышленности и научных кругах. CNN добилась беспрецедентного успеха в области компьютерного зрения благодаря своей мощной способности извлечения признаков.Однако сеть семантической сегментации, основанная на полной сверточной нейронной сети, все еще имеет некоторые проблемы, такие как плохой эффект сегментации и высокая сложность модели. После глубокого изучения сети семантической сегментации и обобщения ее недостатков основная работа в этой статье заключается в улучшении и оптимизации сети семантической сегментации для улучшения эффективного рецептивного поля сети и извлечения общей ситуации. Согласно следующей информации, многомасштабные целевые функции интегрированы для улучшения эффекта сегментации сети для многомасштабных целевых объектов, и построена сеть сквозной семантической сегментации, объединяющая глобальную контекстную информацию и многомасштабное пространственное объединение.

В этой статье мы улучшаем дизайн структуры кодека CNN SegProNet, которая имеет лучший эффект сегментации и более высокую скорость конвергенции, чем классическая сеть сегментации. Индекс пула и повышающая дискретизация обеспечивают расположение пикселей и объединяют глубокую свертку и объединение отбраковок для создания плотных функций, дополняют недостающую информацию о высокочастотных сигналах и местоположении пикселей и постепенно углубляют сегментацию фильтра для повышения своевременности. Сравнивая CNN с традиционной сетью, ее эффективность обучения и производительность в реальном времени выше.

По сравнению с традиционной одиночной сетью глубокого обучения, эта статья интегрирует разделяемый алгоритм CNN и алгоритм семантической сегментации изображений во внутреннюю обработку модели, комбинируя метод слияния моделей, чтобы реализовать интеграцию и координацию результатов сегментации. нескольких учеников и повысит отказоустойчивость и универсальность алгоритма. В то же время он проверяет и сравнивает влияние различных функций активации на производительность сети.Принцип глубоко проанализирован.

Доступность данных

Данные, использованные в исследовании, доступны на следующих сайтах: CamVid, http://mi.eng.cam.ac.uk/research/projects/VideoRec/CamVid/; VOC2012, http://host.robots.ox.ac.uk/pascal/VOC/voc2012/; и CityScapes, https://www.cityscapes-dataset.com.

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов.

Благодарности

Работа поддержана Фондом фундаментальных исследований центральных университетов (№WK2150110007 и WK2150110012) и Национального фонда естественных наук Китая (№№ 61772490, 61472382, 61472381 и 61572454).

Как оцифровать неотделимые процессы обслуживания: стимулирующая роль внутренней и внешней поддержки инноваций

  • Акгюн, А.Е., Х. Кескин и Дж. Бирн. 2012. Антецеденты и условные эффекты организационной способности к адаптации на инновационность продукта фирмы. Журнал управления инновационными продуктами 29 (S1): 171–189.

    Google ученый

  • Алам, И. 2006. Устранение нечеткости из нечеткого внешнего интерфейса инноваций в сфере услуг посредством взаимодействия с клиентами. Управление промышленным маркетингом 35 (4): 468–480.

    Google ученый

  • Алексиев А.С., М. Янссен и П. ден Хертог. 2018. Модерирующая роль осязаемости в синхронных инновациях в сфере услуг. Журнал управления инновационными продуктами 35 (5): 682–700.

    Google ученый

  • Ансофф, Х.И. 1965. Корпоративная стратегия: аналитический подход к бизнес-политике для роста и расширения . Нью-Йорк: Макгроу-Хилл.

    Google ученый

  • Арнольд Т., Э. Фанг и Р. Палматье. 2011. Влияние ориентации на привлечение и удержание клиентов на радикальные и дополнительные инновационные показатели фирмы. Журнал Академии маркетинговых наук 39 (2): 234–251.

    Google ученый

  • Барни, Дж. 1991. Ресурсы фирмы и устойчивые конкурентные преимущества. Журнал менеджмента 17 (1): 99–120.

    Google ученый

  • Барни, Дж. 2001. Теории конкурентных преимуществ, основанные на ресурсах: десятилетняя ретроспектива с точки зрения ресурсов. Журнал менеджмента 27 (6): 643–650.

    Google ученый

  • Ягода, Л., К. Сейдерс и Д. Гревал. 2002. Понимание удобства обслуживания. Маркетинговый журнал 66 (3): 1–17.

    Google ученый

  • Биманс, У.Г., А. Гриффин и Р.К. Moenaert. 2016. Разработка новых услуг: как развивалась область, ее текущее состояние и рекомендации по дальнейшему развитию. Журнал управления инновационными продуктами 33 (4): 382–397.

    Google ученый

  • Буржуа III, Л.J. 1984. Стратегическое управление и детерминизм. Академия управления обзором 9 (4): 586–596.

    Google ученый

  • Карбонелл, П., А.И. Родрикес-Эскудеро и Д. Пуджари. 2009. Вовлечение клиентов в разработку новых услуг: исследование предшественников и результатов. Журнал управления инновационными продуктами 26 (5): 536–550.

    Google ученый

  • Чанг, W., и С. Тейлор. 2016. Эффективность участия клиентов в разработке новых продуктов: метаанализ. Маркетинговый журнал 80 (1): 47–64.

    Google ученый

  • Chen, J.-S., H.-T. Цоу и Р. Чинг. 2011. Совместное производство и его влияние на инновации в сфере услуг. Управление промышленным маркетингом 40 (8): 1331–1346.

    Google ученый

  • Чен, Дж.-С., Х.-Т. Цоу и А.Я. Хуанг. 2009. Инновации в предоставлении услуг: предшественники и влияние на эффективность компаний. Журнал сервисных исследований 12 (1): 36–55.

    Google ученый

  • Cho, S.-E., and K. Park. 2003. Характеристики продукта / процесса обслуживания и потребности клиентов в географической доступности в электронной торговле. Международный журнал менеджмента сферы услуг 14 (5): 520–538.

    Google ученый

  • Клонингер, П., и Б. Овиатт. 2006. Измерение содержания услуг: масштабное развитие. Thunderbird International Business Review 48 (5): 643–665.

    Google ученый

  • Das, T.K., and B.-S. Teng. 2000. Ресурсная теория стратегических альянсов. Журнал менеджмента 26 (1): 31–61.

    Google ученый

  • де Брентани, У. 1991. Факторы успеха в развитии новых бизнес-услуг. Европейский журнал маркетинга 25 (2): 33–59.

    Google ученый

  • Доцель Т., В. Шанкар и Л.Л. Берри. 2013. Инновационность услуг и стоимость фирмы. Журнал маркетинговых исследований 50 (2): 259–276.

    Google ученый

  • Фичман, Р.Г., Б.Л. Дос Сантос и З. Чжэн. 2014. Цифровые инновации как фундаментальная и мощная концепция в учебной программе по информационным системам. MIS Quarterly Executive 38 (2): 329–353.

    Google ученый

  • Forkmann, S., S.C. Henneberg, L. Witell, and D. Kindström. 2017. Конфигурации драйверов для успешного внедрения сервисов. Журнал сервисных исследований 20 (3): 275–291.

    Google ученый

  • Грин, Т., Н. Хартли и Н. Гиллеспи. 2016. Опыт поставщика услуг разделения услуг: случай телездравоохранения. Журнал сервисных исследований 19 (4): 477–494.

    Google ученый

  • Гровер В., Р. Коли и П. Раманлал. 2018. Будьте внимательны в цифровых инициативах. MIS Quarterly Executive 17 (3): 223–236.

    Google ученый

  • Gumusluolu, L., and A. Ilsev. 2009. Трансформационное лидерство и организационные инновации: роль внутренней и внешней поддержки инноваций. Журнал управления инновационными продуктами 26: 264–277.

    Google ученый

  • Hair, J.F., W.C. Блэк, Б.Дж. Бабин, Р. Андерсон. 2009. Многомерный анализ данных , 7-е изд. Энглвуд Клифф: Прентис Холл.

    Google ученый

  • Hair, J.F., G.T.M. Халт, К. Рингл и М. Зарштедт. 2013. Праймер по моделированию структурных уравнений методом частичных наименьших квадратов (PLS-SEM) .Таузенд-Оукс: Шалфей.

    Google ученый

  • Hayes, A., and J. Matthes. 2009. Вычислительные процедуры для исследования взаимодействий в OLS и логистической регрессии: реализации SPSS и SAS. Методы исследования поведения 41 (3): 924–936.

    Google ученый

  • Hayes, A. F. 2017. Введение в посредничество, модерацию и анализ условных процессов: подход, основанный на регрессии .2-е изд. Методология в серии социальных наук. Нью-Йорк, Нью-Йорк: Публикации Гилфорда.

  • Helfat, C.E., and R.S. Раубичек. 2018. Динамические и интеграционные возможности для получения прибыли от инноваций в экосистемах на основе цифровых платформ. Политика исследований 47 (8): 1391–1399.

    Google ученый

  • Hess, T., C. Matt, A. Benlian и F. Wiesböck. 2016. Варианты формирования стратегии цифровой трансформации. MIS Quarterly Executive 15 (2): 123–139.

    Google ученый

  • Хитт, М.А., и Би Би Тайлер. 1991. Модели стратегических решений: объединение различных точек зрения. Журнал стратегического управления 12 (5): 327–351.

    Google ученый

  • Айвз Б., Б. Палезе и Дж. А. Родригес. 2016. Улучшение обслуживания клиентов с помощью Интернета вещей и цифровых потоков данных. MIS Quarterly Executive 15 (4): 279–297.

    Google ученый

  • Джавалджи Р., В. Беной Джозеф и Р. ЛаРоса. 2009. Межкультурные маркетинговые стратегии для предоставления услуг, основанных на знаниях, в мире без границ: пример управленческого образования. Журнал маркетинга услуг 23 (6): 371–384.

    Google ученый

  • Джозефсон, Б.В., Дж. Л. Джонсон, Б. Дж. Мариадосс и Дж. Каллен. 2016. Стратегии перехода на услуги в производстве: последствия для риска фирмы. Журнал сервисных исследований 19 (2): 142–157.

    Google ученый

  • Камасак Р., М. Явуз и Г. Алтунтас. 2016. Зависит ли взаимосвязь между эффективностью инноваций и управлением знаниями от динамизма окружающей среды и способности к обучению? Свидетельства неспокойного рынка. Business Research 9: 229–253.

    Google ученый

  • Каплан А.М. и М. Хенлайн. 2006. К экономному определению традиционной и электронной массовой настройки. Журнал управления инновационными продуктами 23 (2): 168–182.

    Google ученый

  • Кац Р. и П. Кутроумпис. 2013. Измерение оцифровки: рост и мультипликатор благосостояния. Technovation 33 (10–11): 314–319.

    Google ученый

  • Keh, H., and J. Pang. 2010. Реакция клиентов на разделение услуг. Маркетинговый журнал 74 (2): 55–70.

    Google ученый

  • Lacity, M.C., R. Scheepers и L.P. Willcocks. 2018. Когнитивная автоматизация как часть цифровой стратегии Университета Дикина. MIS Quarterly Executive 17 (2): 89–107.

    Google ученый

  • Ливенс, А. и Р. Моенарт. 2000. Коммуникация проектной группы в сфере финансовых услуг. Журнал исследований в области управления 37 (5): 733–766.

    Google ученый

  • Лавлок, C. 1983. Классификация услуг для получения стратегической маркетинговой информации. Маркетинговый журнал 47: 9–20.

    Google ученый

  • Лавлок, К., и Э. Гуммессон. 2004. Куда идет маркетинг услуг? В поисках новой парадигмы и свежих перспектив. Журнал сервисных исследований 7 (1): 20–41.

    Google ученый

  • Мартин, К. 2012. Четверть века: размышления о первых 25 годах журнала «Маркетинг услуг». Журнал сервисного маркетинга 26 (1): 3–8.

    Google ученый

  • МакФарланд, Л., и Р. Плойхарт. 2015. Социальные сети: контекстная основа для руководства исследованиями и практикой. Журнал прикладной психологии 100 (6): 1653–1677.

    Google ученый

  • Мелтон, Х.Л. и М.Д. Хартлайн. 2010. Влияние клиентов и непосредственных сотрудников на эффективность разработки новых услуг. Журнал сервисных исследований 13 (4): 411–425.

    Google ученый

  • Мирон, Э., М. Эрез и Э. Навех. 2004. Конкурируют ли личные качества и культурные ценности, способствующие инновациям, качеству и эффективности, или дополняют друг друга? Журнал организационного поведения 25 (2): 175–199.

    Google ученый

  • Moeller, S. 2010. Характеристики услуг — новый подход раскрывает их ценность. Журнал маркетинга услуг 24 (5): 359–368.

    Google ученый

  • Орданини, А., и А. Парасураман. 2010. Инновации в сфере услуг, рассматриваемые через призму доминирующей логики: концептуальные основы и эмпирический анализ. Журнал сервисных исследований 14 (1): 3–23.

    Google ученый

  • Остром, А.Л., М.Дж. Битнер, С.В. Браун, К. Буркхард, М. Гул, В. Смит-Дэниелс, Х. Демиркан и Э. Рабинович. 2010. Двигаясь вперед и меняя мир: приоритеты исследований в сфере обслуживания. Журнал сервисных исследований 13 (1): 4–36.

    Google ученый

  • Оверби, E. 2008. Теория виртуализации процессов и влияние информационных технологий. Организационная наука 19 (2): 277–291.

    Google ученый

  • Оверби, Э. 2012. Миграция процессов из физических в виртуальные среды: теория виртуализации процессов. В Теория информационных систем: объяснение и прогнозирование нашего цифрового общества , изд.Ю.К. Двиведи, М.Р. Уэйд и С.Л. Шнебергер, 107–124. Нью-Йорк: Springer Verlag.

    Google ученый

  • Оверби, Э., С. Слотер и Б. Консынски. 2010. Комментарий к исследованию — Дизайн, использование и последствия виртуальных процессов. Исследование информационных систем 21 (4): 700–710.

    Google ученый

  • Paluch, S., and M. Blut. 2013. Разделение услуг и удовлетворенность клиентов. Журнал сервисных исследований 16 (3): 415–427.

    Google ученый

  • Питтэуэй, Л., М. Робертсон, К. Мунир, Д. Дениер и А. Нили. 2004. Сети и инновации: систематический обзор доказательств. Международный журнал обзоров менеджмента 5–6 (3–4): 137–168.

    Google ученый

  • Подсаков П.М., С.Б. Маккензи, Ж.-Й. Ли и Н.П. Подсаков. 2003. Общие методические предубеждения в поведенческих исследованиях: критический обзор литературы и рекомендуемые средства правовой защиты. Журнал прикладной психологии 88 (5): 879–903.

    Google ученый

  • Портер, M.E. 1980. Конкурентная стратегия: методы анализа отраслей и конкурентов . Нью-Йорк: Свободная пресса.

    Google ученый

  • Ржавчина, Р., и М.-Х. Хуанг. 2014. Сервисная революция и трансформация маркетинговой науки. Маркетинговые науки 33 (2): 206–221.

    Google ученый

  • Sabherwal, R., and A. Jeyaraj. 2015. Влияние информационных технологий на эффективность фирмы: расширение Коли и Девараджа (2003). MIS Quarterly Executive 39 (4): 809–836.

    Google ученый

  • Самбамурти, В., А. Бхарадвадж и В. Гровер. 2003. Формирование гибкости с помощью цифровых опций: переосмысление роли информационных технологий в современных фирмах. MIS Quarterly 27 (2): 237–263.

    Google ученый

  • Сондерс, М., П. Льюис и А. Торнхилл. 2007. Методика исследования для студентов-предпринимателей , 4-е изд. Эссекс: образование Пирсона.

    Google ученый

  • Скотт, С.Г., Р.А. Брюс. 1994. Детерминанты инновационного поведения: модель пути индивидуальных инноваций на рабочем месте. Журнал Академии управления 37 (3): 580–607.

    Google ученый

  • Шадиш, У. Р., Т. Д. Кук и Д. Т. Кэмпбелл. 2002. Экспериментальные и квазиэкспериментальные планы для обобщенного причинного вывода . Бостон: Houghton, Mifflin and Company.

    Google ученый

  • Сингх Р., Л. Матиассен, А. Мишра. 2015. Конституция организационного пути в технологических инновациях: данные по телездравоохранению в сельских районах. MIS Quarterly 39 (3): 643–665.

    Google ученый

  • Statistisches Bundesamt. 2017. Erwerbstätige: Deutschland, Jahre, Wirtschaftszweige (wz2008), Geschlecht. https://www.destatis.de. По состоянию на 28 мая 2018 г.

  • Stock, R., and N. Zacharias. 2011. Модели и результаты деятельности инновационной ориентации. Журнал Академии маркетинговых наук 39 (6): 870–888.

    Google ученый

  • Stock, R., N. Zacharias, and A. Schnellbaecher. 2017. Как стратегия и стили лидерства вместе влияют на совместное развитие и его инновационные результаты? Журнал управления инновационными продуктами 34 (2): 201–222.

    Google ученый

  • Стори, К., П.Джанкуртаран, П. Папастатопулу и Э. Хултинк. 2016. Факторы успеха для сервисных инноваций: метаанализ. Журнал управления инновационными продуктами 33 (5): 527–548.

    Google ученый

  • Стори, К. и М. Хьюз. 2013. Относительное влияние культуры, стратегической ориентации и возможностей на эффективность разработки новых услуг. Европейский журнал маркетинга 47 (5–6): 833–856.

    Google ученый

  • Томас, М., Д. Коста и Т. Оливейра. 2016. Оценка роли виртуализации процессов с помощью ИТ в принятии экологически чистых ИТ. Границы информационных систем 18 (4): 693–710.

    Google ученый

  • Troilo, G., L.M. De Luca, and P. Guenzi. 2017. Связывание сред с большим количеством данных с инновациями в сфере услуг в действующих компаниях: концептуальная основа и исследовательские предложения. Журнал управления инновационными продуктами 34 (5): 617–639.

    Google ученый

  • Варго, С.Л. и Р.Ф. Lusch. 2004. Четыре мифа о маркетинге услуг: остатки производственной модели, основанной на товарах. Журнал сервисных исследований 6 (4): 324–335.

    Google ученый

  • Виал, г. 2019. Понимание цифровой трансформации: обзор и план исследования. Журнал стратегических информационных систем 28 (2): 118–144.

    Google ученый

  • Вулдридж, Дж. 2012. Вводная эконометрика: современный подход , 5-е изд. Мейсон: Юго-западный центр обучения.

    Google ученый

  • Сюэ Ю., Х. Лян и У. Боултон. 2008. Управление информационными технологиями в процессах принятия решений об инвестициях в информационные технологии: влияние инвестиционных характеристик, внешней среды и внутреннего контекста. MIS Quarterly Executive 32 (1): 67–96.

    Google ученый

  • Янадори Ю. и В. Цуй. 2013. Создание стимулов для инноваций? Взаимосвязь между дисперсией заработной платы в группах НИОКР и инновационными показателями фирм. Журнал стратегического управления 34 (12): 1502–1511.

    Google ученый

  • Yang, Y., P.K.C. Ли и T.C.E. Ченг.2016. Постоянное совершенствование компетенции, творческий подход сотрудников и эффективность разработки новых услуг: взгляд на сотрудников, находящихся на переднем крае. Международный журнал экономики производства 171: 275–288.

    Google ученый

  • Zeithaml, V., A. Parasuraman, and L. Berry. 1985. Проблемы и стратегии в сфере маркетинга услуг. Маркетинговый журнал 49: 33–46.

    Google ученый

  • Бесплатное учебное пособие по IELTS — 46 отдельных и неотделимых английских фразовых глаголов для освоения

    Меня зовут Адриан, я на Udemy, поэтому вы можете овладеть английским языком и открыть для себя мир.

    На моих курсах вы не просто студент, не просто ученик — вы исследователь.

    Изучение и овладение английским по одному слову за раз — на каждое освоенное вами слово вы можете составить 7 новых предложений. Какое слово вы овладеете следующим?

    Мои занятия всегда расширяют вашу зону комфорта, бросают вызов вашей грамматике и проверяют ваше понимание.

    С октября 2017 года, когда я впервые получил сертификат TESOL, я обучил 10 000 китайских студентов всех возрастов онлайн на крупной платформе для обучения китайскому английскому языку.Я уехал в июле 2020 года.

    Я много узнал о Китае, пока учил их, поэтому считаю себя много путешествующим и интернациональным. Еще я говорю по-испански.

    Мои уроки информативны, поскольку я делюсь концепциями, идеями и философией , потому что я не просто хочу, чтобы уроки были посвящены скучным темам и правилам, но расширяли урок и делились новыми идеями, чтобы расширить свой кругозор . Когда я преподавал в китайской компании, я видел все это как культурный обмен, и я тоже привношу сюда эту философию.

    Мои классы помогут вам:

    1. Поднимите своей речи на следующий уровень.

    2. Испытайте свои навыки чтения и слушания.

    3. Тест на ваше понимание.

    4. Расширьте свое понимание грамматики.

    5. Проверьте свои навыки мышления по английскому языку.

    6. Присоединяйтесь к команде и сообществу исследователей и овладевайте английским языком — по 1 слову за раз.

    Мои классы — это только серьезные ученики, которые хотят вывести свой английский на новый уровень.

    Мои классы научат вас важным аспектам выживания и процветания.

    Мои классы покажут вам типичные ошибки, которые допускали другие спикеры.

    Мои курсы предназначены для тех, у кого есть горячее желание овладеть английским языком и открыть для себя мир.

    Присоединяйтесь к моим занятиям сейчас и станьте не просто учеником, а исследователем.

    Присоединяйтесь к моим занятиям сейчас и овладевайте английским языком и откройте для себя мир.

    Какое слово вы овладеете следующим?

    Продолжаем изучать!

    Адриан

    Типы фразовых глаголов — переходные, непереходные, разделяемые, неотделимые

    Если вы здесь новичок, пожалуйста, прочтите это в первую очередь.

    Привет всем,

    Как у вас дела?

    Сегодня я хочу поделиться с вами, как фразовые глаголы могут помочь вам улучшить ваш словарный запас английского языка и как вы можете легко их выучить.

    Вот пример: «Мне не нравится, если кто-то разрезает , пока я говорю».

    В приведенном выше предложении фразовый глагол «вставлять» означает прерывать между ними. Фразовые глаголы, несомненно, являются одной из самых важных частей нашего повседневного разговора. Поэтому я подумал, почему бы не пролить свет на их типы и то, что они из себя представляют.

    Итак, прежде чем мы перейдем к их типам, давайте посмотрим вкратце.

    Что такое фразовый глагол?

    Фразовый глагол — это комбинация глагола и еще одного или двух слов, обычно предлога или наречия.Они очень важны в английском языке, поскольку помогают звучать более естественно, когда вы говорите или пишете.

    Туземцам обычно не сложно их понять (конечно, потому что это то, что они слушают с рождения), но когда дело доходит до неродных, это определенно непросто понять и использовать на их разговорном английском, особенно если вы новичок.

    ВИДЫ ФРАЗОВЫХ ГЛАГОЛОВ

    Некоторые говорят, что существует два типа фразовых глаголов, а другие четыре.Это всегда было темой для обсуждения, и разные учителя английского объясняют это в зависимости от источников, из которых они узнали. Я не говорю, что книги или источники, из которых они узнали, были неправильными. Я просмотрел множество английских книг, блогов и ресурсов и везде находил разные ответы, которые могут еще больше запутать учащегося в понятиях и типах.

    Итак, не вдаваясь в подробности, давайте посмотрим их типы и что они из себя представляют.

    Фразовые глаголы в основном бывают двух типов:

    Непереходные фразовые глаголы

    Непереходные фразовые глаголы — это фразовые глаголы, не требующие прямого объекта.

    Примеры-
    Спешите!
    • Роберт упал на вчера у меня дома.
    • Я не сделал этого хорошо; Я просто ожидаю, что до доберутся.

    Многие из вас скажут, что второй пример неверен, потому что вы видите объект в предложении. Итак, прежде чем вы все это сделаете, позвольте мне объяснить, что означает прямой объект.

    «Прямой объект — это группа слов, на которую действует глагол.И, как вы можете видеть, во втором предложении «вчера у меня дома» не действует непосредственно глагол «drop», поэтому в предложении нет прямого объекта, а фразовый глагол непереходный ».

    Переходные фразовые глаголы

    Переходные фразовые глаголы — это фразовые глаголы, имеющие прямое дополнение.

    Примеры —
    • Я собираюсь выбросить этих печенья прочь , потому что срок их годности истек намного раньше.
    • Мой начальник отклонил мне в разрешении на брак с братом.
    • Моя мама обнаружила моих потерянных наушников во время уборки дома.

    Переходные фразовые глаголы бывают двух типов:
    Разделимые фразовые глаголы — Фразовые глаголы, в которых вы можете поместить прямой объект между ними и разделить их, поэтому они называются разделяемыми фразовыми глаголами.

    Примеры отделяемых фразовых глаголов
    • Вы даже не можете правильно выполнить начальные шаги; Вам нужно сделать это больше.
    • Он не хочет, чтобы позволил своей матери отказаться от в случае неудачи на этот раз.

    Неразделимые фразовые глаголы — Фразовые глаголы, в которых нельзя поставить прямой объект между ними и разделить их, называются неразделимыми фразовыми глаголами.

    Пример неразделимых фразовых глаголов
    • Я вчера в автобусе столкнулся с одним из моих старых коллег. (ПРАВИЛЬНО)
    • Вчера я столкнулся с одним из своих старых коллег на автобусе. (НЕПРАВИЛЬНО)
    • Он легко может получить роль ведущего артиста в отсутствие брата; оба брата берут после своего отца почти на 100%. (ПРАВИЛЬНО)
    • Он легко может получить роль ведущего артиста в отсутствие брата; оба брата берут своего отца почти на 100%. (НЕПРАВИЛЬНО)

    Итак, на сегодня все.

    Надеюсь, у вас есть четкое представление об их типах и различиях между ними.

    Вы можете найти здесь другие статьи и примеры фразовых глаголов.

    До скорой встречи с новыми темами и словарем.

    А пока продолжайте учиться и совершенствоваться.

    Береги себя, а?

    До свидания.

    П.С. Вы серьезно относитесь к улучшению своего разговорного английского? Ознакомьтесь с английской системой гармонии ЗДЕСЬ!

    Любой нейрон может выполнять линейно неотделимые функции …

    Введение

    Мы покажем здесь, как дендриты могут увеличить вычислительную мощность всех нейронов, даже самых крошечных.Мы уже знали, что дендриты могут увеличить вычислительную мощность некоторых пирамидных нейронов. Их протяженные дендриты, способные образовывать дендритные шипы, изменили то, как мы их видели (см. 2 , где представлена ​​одна из первых статей, в которых представлена ​​эта идея). Совсем недавно в одном исследовании было предложено смоделировать эти нейроны как двухслойные нейронные сети. 6 Эта теоретическая модель была дополнительно подтверждена экспериментами, показавшими, что мы можем видеть пирамидный нейрон как совокупность нелинейных субъединиц. 7 Некоторые нелинейности могут даже позволить дендриту реализовать исключающее ИЛИ (XOR). 9 Более того, подобный вид немонотонной нелинейности был обнаружен в пирамидных нейронах человека. 4 Но как насчет других нейронов со скромными дендритами, неспособными к спайкованию?

    Пирамидные нейроны представляют только часть всех нейронов. Например, дендриты звездчатых клеток мозжечка не могут излучать шипы, но они насыщают 1 , и их можно разложить на несколько независимых субъединиц — с независимыми мембранными напряжениями — превращая их в двухступенчатые единицы, такие как пирамидный нейрон. 8 Ранее мы показали, что пассивных дендритов достаточно, чтобы нейрон мог выполнять линейно неотделимые вычисления, например, проблема связывания признаков. 3 Здесь мы сосредоточимся на клетках со скромным и пассивным дендритным деревом. Эти клетки образуют единое целое. В настоящем исследовании мы демонстрируем, что эти нейроны все еще могут выполнять линейно неразделимые вычисления. Мы используем их как простейший общий знаменатель, поскольку даже пиковые дендриты насыщают, и двухуровневая сеть может выполнять все вычисления однослойной архитектуры и многое другое.

    Методы

    Интегрирующий и запускающий нейрон с дендритами (DIF)

    Мы начали с дырявого интегрирования и огня (LIF). Эта модель имеет мембрану V , моделируемую следующим уравнением:

    (1)
    τdvdt = (vE- v (t)) + RIs (t)

    При τ = 20 мс постоянная времени нейрона, v ( t ) напряжение мембраны в момент времени t и v E = -62 мВ, которое устанавливает напряжение покоя мембраны. R = 20 МОм — это значение сопротивления, а I с ( t ) моделирует изменяющуюся во времени проводимость синаптических входов.

    (2)
    Is (t) = ∑igdi (t) (Es − v (t))

    Этот ток зависит от разницы между v ( t ) напряжением нейрона, равным везде, и E s потенциал разворота синапсов (0 мВ), а gdi — синаптическая проводимость в дендрите i. Каждый gdi ограничен от 0 до 10 пс. Каждый gdi мгновенно подскакивает до своего максимального значения для каждого входящего всплеска на входе и экспоненциально затухает с постоянной времени τ с = 1 мс. В LIF все синаптические входы собраны в единый зонтик и i = 1. В настоящем исследовании мы вводим Dendrited Integrate and Fire (DIF), который включает по крайней мере два дендрита ( i = 2). Мы группируем синаптические входы в две группы, каждая из которых нацелена на дендрит (зеленый и синий, см. Рисунок 1).Мы использовали программное обеспечение Brian версии 2 для проведения наших симуляций, код находится в свободном доступе в репозитории git, прилагаемом к этому отчету. 10

    Рис. 1. Дендритированная интеграция и запуск, реализующая линейно неразделимое вычисление.

    (A) Негерметичная интеграция и огонь (LIF) с двумя дендритами, что делает его дендритным интегратом и пламенем (DIF), каждая половина из 4 синаптических входов нацелена на отдельный дендрит, где g локально насыщается при 10 пс ( B) Четыре эпизода стимуляции, закрашенные кружки обозначают последовательность входных пиков с частотой> 50 Гц, а пустые кружки обозначают последовательность входных пиков с частотой> 50 Гц.Ниже мы построили график реакции DIF (черный) и LIF (серый) во время эпизода. Мы специально удалили метку в виде галочки, так как частоты зависят от параметра модели и регулярности ввода. Параметры модели могут сильно варьироваться, не влияя на наблюдение. (C) Некоторая реакция напряжения во время 3-го эпизода. В случае кластеризации (серый) нейрон достигает порога спайков три раза, тогда как в случае рассеяния он достигает порога спайков семь раз (черный). 5

    Напоминание о булевой алгебре

    Во-первых, давайте представим булевы функции:

    Определение 1. Логическая функция n переменных — это функция от {0,1} n до {0,1}, , где n — положительное целое число.

    Важно отметить, что мы обычно предполагаем, что нейроны могут выполнять только линейно разделяемые вычисления:

    Определение 2. f — это линейно разделяемое вычисление n переменных тогда и только тогда, когда существует хотя бы один вектор w ∈ Rn и порог Θ ∈ R такой, что:

    f (X) = 1, если w⋅X≥Θ0, в противном случае

    , где X ∈ {0,1} n — векторная запись для логических входных переменных.

    Результаты

    Компактная задача связывания признаков (cFBP)

    В этом разделе мы демонстрируем класс компактных линейно неразделимых (неразделимых) вычислений, которые мы собираемся изучить. Эти вычисления компактны, поскольку имеют четыре линии ввода / вывода.

    Мы полностью указываем пример в таблице 1. Это вычисление, которое мы называем проблемой компактного связывания функций (cFBP), является линейно неотделимым.

    Таблица 1. Таблица истинности нелинейно разделимого вычисления.

    9202

    9202

    9202 9202 9202 9202 9202 9202 Утверждение 1. cFBP линейно неотделима (неотделима)

    Доказательство. Выход должен быть 0 для двух непересекающихся пар (1,2) и (3,4) активных входов.Это означает, что w 1 + w 2 ≤ Θ и w 3 + w 4 ≤ Θ, и мы можем сложить эти два неравенства, чтобы получить w 1 + w 2 + w 3 + w 4 ≤ 2Θ. Однако выход должен быть равен 1 для двух других пар, состоящих из тех же активных входов (1,3) и (2,4). Это означает, что w 1 + w 3 > Θ и w 2 + w 4 > Θ, и мы можем сложить эти два неравенства, чтобы получить w 1 + w 2 + w 3 + w 4 > 2Θ.Это приводит к противоречию, которое доказывает, что не существует набора весов, решающего этот набор неравенств.

    cFBP прост двумя способами:

    • • Четыре отношения ввода / вывода определяют это вычисление — то же самое число, что и знаменитое исключающее ИЛИ (исключающее ИЛИ).

    • • В отличие от XOR он может быть реализован с возбуждающими входами и монотонной передаточной функцией. 3

    Мы можем расширить cFBP, увеличив количество входов.В этом случае мы имеем дело с кортежами, а не с парами. Таким образом, cFBP соответствует целому семейству линейно неразделимых вычислений, и дендритированный нейрон может реализовать их, используя стратегию, которую мы представим в следующем разделе.

    LIF с его линейным интегрированием не может реализовать такое вычисление. А нейрон с двумя насыщающими дендритами легко может это реализовать. Мы уже доказали, как биофизическая модель с мячом и палкой может реализовать это вычисление в предыдущем исследовании. 3

    Реализация cFBP в дендритированной интеграции и включении

    Мы используем два независимо насыщающих проводимости для реализации cFBP в минимальном расширении LIF, которое мы назвали дендритным интегрированным и включенным (DIF). DIF имеет одно мембранное напряжение, чтобы объяснить его компактность, поэтому мы можем задаться вопросом, как может возникнуть локальное насыщение в такой морфологии. Насыщение имеет два возможных источника: (1) уменьшение движущей силы может вызвать насыщение, как в, 1 , но (2) оно также может быть связано с внутренними ограничениями проводимости на единицу поверхности.Эта последняя возможность делает возможным насыщение электрически компактного нейрона. Даже в нейроне с небольшим дендритным деревом проводимость будет достигать верхнего предела на единицу поверхности, и единственная возможность увеличить возбуждение состоит в стимуляции большей площади. Мы собираемся использовать это локальное ограничение проводимости для реализации cFBP в DIF.

    Для этого нам нужны только два дендрита, как показано на рисунке 1A. Мы можем интерпретировать нули и единицы в таблице истинности по крайней мере двумя способами: (1) либо пре- или постсинаптические нейроны активируются (2), либо они достигают заданной частоты всплесков.В следующем разделе мы будем использовать последнюю интерпретацию. Следовательно, мы считаем, что пресинаптический вход активен, когда он срабатывает при частоте выше 50 Гц, и неактивен, если он срабатывает ниже 50 Гц (это значение является произвольным и может сильно варьироваться в зависимости от рабочего диапазона нейрона). Мы стимулируем нашу модель в четырех различных эпизодах, чтобы воспроизвести таблицу истинности из предыдущего раздела. На Рисунке 1 видно, что локальное ограничение g позволяет реализовать cFBP. Когда g не имеет границы, напряжение на мембране всегда достигает порогового значения пика с той же скоростью (случай LIF).Когда мы локально связываем проводимость, мембранному напряжению требуется больше времени (45 мс, см. Рисунок 1C), чтобы достичь порога в кластерном случае (всего г = 10 пс ), чем в рассеянном случае (всего г = 20 пс ). В целом, DIF будет по-разному реагировать на кластерный и разбросанный случай, а LIF — нет. Это позволяет DIF реализовать cFBP, в то время как LIF не может.

    Обсуждение / заключение

    В этом кратком отчете мы представили небольшое расширение для протекающего интегрирующего и активирующего нейрона: дендритированный интегрирующий и запускающий нейрон, который может выполнять линейно неразделимые вычисления.Эта однослойная модель, примененная к зернистым клеткам мозжечка, предсказывает, что они могут реализовать линейно неразрывные вычисления. Эти нейроны имеют в среднем четыре дендрита, но мы показали здесь, что двух достаточно. В основе этой способности лежит множество четко ограниченных г DIF. Например, нам нужно локальное насыщение gdi для реализации cFBP.

    Важно отметить, что уменьшение движущей силы не приводит к сублинейному суммированию в DIF. Реализация линейно неразделимых вычислений была бы невозможна в нейроне с одним отделением из-за взаимодействия через уникальный мембранный потенциал.Использование локально ограниченного г имеет решающее значение для того, чтобы сделать наш прогноз возможным.

    Эксперимент, демонстрирующий это предсказание, кажется простым. Нужно будет стимулировать четыре отдельные группы мшистых волокон, следуя нашим различным сценариям. Затем мы могли бы записать, как группа гранулярных клеток реагирует, используя оптогенетические отчеты (например, визуализацию кальция). Мы прогнозируем, что значительная часть гранулярных клеток может реализовывать cFBP. Этот прогноз может раскрыть истинный потенциал отдельных нейронов.Следующий шаг состоит в том, чтобы посмотреть на сетевой уровень, как это уже было сделано с пиковыми дендритами. 5

    Доступность данных

    Нет данных, связанных с этой статьей.

    Конкурирующие доли

    Конкурирующие доли участия не были раскрыты.

    Информация о гранте

    Эта работа была поддержана Национальным центром научных исследований [ANR-UWAKE].

    Спонсоры не играли никакой роли в дизайне исследования, сборе и анализе данных, решении опубликовать или подготовке рукописи.

    Благодарности

    Я использовал слово «мы», поскольку наука — это коллективное занятие. Обсуждения на эту тему начались еще в 2013 году с моим бывшим научным руководителем и сотрудниками из Института Пастера в Париже. Я также хочу поблагодарить M. Humphries, F Zeldenrust, A. Foust за их ценные комментарии к раннему проекту и г-жу Marini-Audouard за вычитку перед отправкой. Более раннюю версию этой статьи можно найти на сайте bioRxiv (doi: https://doi.org/10.1101/2021.04.02.438177).

    Ссылки

    • 1. Абрахамссон Т., Катала Л., Мацуи К., и др. : Тонкие дендриты интернейронов мозжечка обеспечивают сублинейную синаптическую интеграцию и градиент кратковременной пластичности. Нейрон. 73 (6): 1159–1172. PubMed Аннотация | Publisher Full Text
    • 2. Бартлетт М: Кластерон: к простой абстракции сложного нейрона. Достижения в системах обработки нейронной информации. 4.
    • 3.Казе Р.Д., Хамфрис М., Гуткин Б. Пассивные дендриты позволяют отдельным нейронам вычислять линейно неразрывные функции. PLoS Comput Biol. 9 (2): e1002867. PubMed Аннотация | Издатель Полный текст | Бесплатный полный текст
    • 4. Гидон А., Зольник Т.А., Фидзинский П., et al. : Дендритные потенциалы действия и вычисление в нейронах коркового слоя 2/3 человеческого слоя. Наука. 367 (6473): 83–87. PubMed Аннотация | Издатель Полный текст
    • 5.Memmesheimer R-M, Timme M: неаддитивное связывание позволяет распространять синхронную пиковую активность в чисто случайных сетях. PLoS Comput Biol. 8 (4): e1002384. PubMed Аннотация | Издатель Полный текст | Free Full Text
    • 6. Poirazi P, Brannon T, Mel BW: Пирамидный нейрон как двухслойная нейронная сеть. Нейрон. 37 (6): 989–999. PubMed Аннотация | Publisher Full Text
    • 7. Польский А., Мел Б. В., Шиллер Дж .: Вычислительные субъединицы в тонких дендритах пирамидных клеток. Nat Neurosci. 7 (6): 621–627. PubMed Аннотация | Publisher Full Text
    • 8. Циливаки А., Кастеллакис Г., Пойрази П: бросая вызов догме точечных нейронов: клетки корзины FS как двухступенчатые нелинейные интеграторы. Nat Commun. 10 (1): 3664. PubMed Аннотация | Издатель Полный текст | Free Full Text
    • 9. Задор AM, Клэйборн Б.Дж., Браун TH: Нелинейное разделение паттернов в одиночных нейронах гиппокампа с активной дендритной мембраной. Достижения в системах обработки нейронной информации. стр. 8.
    • 10. Д-р Ромен DC: rcaze / 21_03Ca: F1000 v2 (версия 2). Zenodo. 2021. Publisher Full Text

    Синонимы и антонимы для неотделимого

    antonym.com

    • synonym.com

    • Слово дня: гирлянда
    • Популярные запросы 🔥

      в первый раз любитель музыки белый человек кто-то земляника помощь снять со счета деловые отношения хороший пустая трата денег вызов опыт цитрусовые дрочить водное пространство кузнечик знаю все это бабочка Современная эра кислород работа в процессе душевное здоровье принимать решение важный Чисто ходить гомофобный творческий Искра адсорбировать решение служба поддержки фокус удивительный тетя осуществлять интересно стяжательский биокатализатор Создайте Работа судебный надзор технология понимание

    1.неразлучен

    прилагательное. (ˌꞮnˈsɛpɝəbəl) Нет способный из существование разделены.

    Антонимы

    делимый отделяемый

    Синонимы

    неделимый

    Этимология

    неразлучный (английский)

    на английском) в (латиница) ин- (латиница) ин- (среднеанглийский (1100-1500)) ин- (древнеанглийский (ок.450-1100)) в (древнеанглийский (ок. 450-1100)) разделимый (английский)

    Избранные игры

    Популярные запросы 🔥

    в первый раз любитель музыки белый человек кто-то земляника помощь снять со счета деловые отношения хороший пустая трата денег вызов опыт цитрусовые дрочить водное пространство кузнечик знаю все это бабочка Современная эра кислород работа в процессе душевное здоровье принимать решение важный Чисто ходить гомофобный творческий Искра адсорбировать решение служба поддержки фокус удивительный тетя осуществлять интересно стяжательский биокатализатор Создайте Работа судебный надзор технология понимание

    ×

    • Условия эксплуатации
    • Политика конфиденциальности
    • Политика авторских прав
    • Отказ от ответственности
    • CA не продавать мою личную информацию
    .

    Оставить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *

    Входы Выход
    0011 0
    1100 0
    0101