目标检测论文写作模板（初稿）②

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

目标检测论文写作模板（初稿）②

2.1 方法一理论部分

写作方法一：看方法原理的原文，比如添加了ECA注意力机制，就看原论文对原理的阐述。

写作方法二：从知网上下载已经发表的论文，搜索关键词，比如搜索ECA注意力机制，就会有相关的论文出现，下载后将几篇论文中的ECA注意力机制的原理内容先复制过来后，然后用自己理解的话进行说，或者进行降重

写作方法三：从csdn、知乎等平台上对该方法的理解，但是不够权威，良莠不齐，只能作为备用手段。

写作方法四：通过添加方法的代码进行理解原理，然后进行写作和画图。

写作方法五：通过询问导师或者师兄师姐等看能否得到更深的理解。

注意事项：需要将研究的理论与检测的应用背景结合起来，不仅仅说明方法的基本原理，还要说明为什么用该方法，以及怎么用到该方法，最后可以达到什么样的效果。

2.2 改进方法二原理

同方法一

3 实验数据及处理

本文网络模型训练所用实验数据来源于国内公开的nwpu-10数据集，为满足深度学习对大量训练样本需求，增加模型泛化能力，本文采用随机缩放、翻转、亮度增强、对比度增强、颜色增强和Mosaic的方式进行数据增强。

3.1 评价指标

以下为模板，自己再进行修改，根据自己掌握的资料。降低重复率

本文实验采用检测精度和检测速度来衡量模型检测性能[23]。检测精度指标包括召回率(Recall,R)、精度(Precision,P)、平均精度(average precision，AP)、平均均值精度mAP(Mean Average Precision)；模型检测速度指标采用检测单张图像所用的时间t；网络模型复杂度用网络层数(Layer)、模型权重(Weight)、网络参数量(Parameters)来评估，三者数值越大，网络模型越复杂。

3.2 实验平台

结合自己的实际情况进行更改填写，以下为模板。

本实验基于Ubuntu 18.04操作系统，Intel(R)Xeon(R)Gold 5218处理器，128G内存，64内核，使用Pytorch 1.8.0框架，通过一台NVIDIA Tesla T4显卡进行训练，显存为32GB。Python版本为3.8，CUDA版本为11.1.1。模型训练的迭代次数设置为500，batch size设置为64。训练过程中动态调整学习率，采用NAG(Nesterov Accelerated Gradient)优化器进行优化,momentum设置为0.937。采用周期性学习率进行调整和Warm-Up方法预热学习率,初始学习率设置为0.01，学习率衰减权重为0.0005，在Warm-Up 阶段，采用一维线性插值对每次迭代的学习率进行更新直至0.002，使用余弦煺火学习率衰减(Cosine Annealing)方法自动调整学习率。

3.3 数据集

根据自己的数据集进行填写，以下为模板。数据集资料网上进行搜索，或者知网搜索相关论文后，参考借鉴对数据集的介绍。

本文实验采用数据集来源于国内公开的HRSC2016数据集，共包括1061张海面场景图像和近岸场景，其中大部分为近岸图像，图像分辨率为0.4-2m。数据集有以下几个特点：(1)图像背景复杂，包括港口码头、陆地建筑、海面、小岛、薄云等；(2)舰船尺度变化大，同一张图像舰船尺度差异较大；(3)港口码头内舰船排列密集。HRSC2016对数据集进行了三级分类，一级分类为船，二级分类为航母、军舰、商船、潜艇四大类，三级分类为各型号细分。其中，军舰类型主要包含航母、驱逐舰、护卫舰等10种类型的舰船，民舰类型主要包含货船、游轮、气垫船等多种类型的民船，图4展示了数据集部分示例图像。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：检测论文 写作模板 论文写作 accelerated Accelerate