中国空间科学技术 摘要撰写

文摘分为信息性文摘和指示性文摘,或者两者结合的文摘。

信息性文摘 (Information Abstracts) 主要用于专业技术论文及各种专题技术报告。主要有以下三部分组成。

·目的—— 主要说明作者写此文章的目的,或说明本文主要要解决的问题。

·过程及方法—— 主要说明作者主要工作过程及所用的方法,也包括众多的边界条件,使用的主要设备和仪器。

·结果—— 作者在此工作过程最后得到的结果和结论;如有可能,尽量提一句作者所得到结果和结论的应用范围和应用情况。

指示性文摘 (Indicated Abstracts) 仅指出文献的综合内容,适用于综述性文献。

摘要是科技论文的重要组成部分,不加评论和补充解释,具有独立性和自含性,即不阅读论文的全文,就能获得必要的信息。摘要供读者确定有无必要阅读全文,也供文摘等二次文献采用。可以说摘要质量的高低将直接影响着论文所发挥的作用。摘要一般应用约200300个字客观、简明、确切地反映三个要素:研究工作的目的、方法、结果或结论。

摘要以第三人称描述.除了实在无法变通办法可用外,摘要中不要出现数学公式、化学结构式和图表等,原则上不用引文,尽量减少缩略语、代号等。

原则上讲,中文摘要的写作要求基本都适用于英文摘要,英文摘要应是中文摘要的转译,体现完整和独立,力求简洁、准确地将文意译出;时态的运用以简练为佳,要用英语的表达方式和语言习惯来表达思想。

为了便于国际的学术交流、扩大影响,英文摘要的质量非常关键。

1)内容充实,明确目的、方法、结果或结论等要素。

2)摘要一般为100150个英文单词,最多不超过1 500个字符;用简单句型,尽量用短句,少用of,动词尽量靠近主语;第一句不要与题名重复。语言要简练,去掉废话、套话,英文摘要中不要出现如下句子:It is reported…”,“Extensive investigations show that …”,“The author disusses…”,“This paper concerned with…”。

3)时态用过去时态叙述作者工作,用现在时态叙述作者结论。

4可用动词的情况尽量避免用动词的名词形式。

5)尽量用主动语态代替被动语态。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值