【人工智能】第一次论文撰写存在的问题-V2

这篇是第二弹的总结，承接上一次总结的经验：

【人工智能】第一次论文撰写存在的问题

18天前

0547

摘要要把背景说明清晰，明确模型解决的是什么问题，得让创新点和解决路径一目了然。不能绕弯子，直接突出解决了啥、咋解决的（简单说明创新点是怎么实现的）。

引言引入模型的时候，描述方式得和摘要拉开差距，不能照搬（摘要，引言，结论中简要描述模型创新点时不能完全一样，具体看本篇文章附录）。多瞅瞅优秀论文（看顶刊，看一区！）咋写对应段落的，模块来源要溯源，相关工作得提前铺垫，核心创新得简明扼要抛出来，给后面贡献部分留好展开空间 。

方法论部分，模块得说清楚是啥、灵感从哪来，突出新加的、改进的地方，和原模块对比着写。句子别啰嗦，意思说明白就行。主通道修改这类细节，有啥调整都得讲透，图里改了啥也得明明白白标注（图里没有的就别着急先说，等后面具体小节再说）。

实验里的用Matplotlib画的混淆矩阵，别弄那么大画布，紧凑一些，参考下其他文献的样式，重新生成并排展示，视觉上得规整、专业 。而且字体也要和其他图片统一。这里我给出一个绘制混淆矩阵比较紧凑的代码，是两个模型的混淆矩阵对比的形式。

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from matplotlib import gridspec

# 统一字体
plt.rcParams["font.sans-serif"] = ["Times New Roman"]
conf_matrix_shift = np.array([

# 这里填你自己的数据
])

conf_matrix_effnet = np.array([
# 这里填你自己的数据
])

class_names = ['Gray Leaf Spot', 'Healthy', 'Leaf Blight', 'Rust Leaf']

fig = plt.figure(figsize=(9, 4.5), dpi=300)
gs = gridspec.GridSpec(1, 3, width_ratios=[1, 1, 0.05], wspace=0.3)

# 子图1：你的模型
ax1 = plt.subplot(gs[0])
sns.heatmap(conf_matrix_shift,
            annot=True,
            fmt='d',
            cmap='Blues',
            annot_kws={"size": 12},
            xticklabels=class_names,
            yticklabels=class_names,
            cbar=False,
            ax=ax1)
ax1.set_title("ShiftingNet", fontsize=14, weight='bold')
ax1.set_xlabel("Predicted Label", fontsize=12, weight='bold')
ax1.set_ylabel("True Label", fontsize=12, weight='bold')
ax1.tick_params(axis='x', labelrotation=0, labelsize=9)
ax1.tick_params(axis='y', labelrotation=90, labelsize=9)

# 子图2：EfficientNetV2-S
ax2 = plt.subplot(gs[1])
sns.heatmap(conf_matrix_effnet,
            annot=True,
            fmt='d',
            cmap='Blues',
            annot_kws={"size": 12},
            xticklabels=class_names,
            yticklabels=class_names,
            cbar=False,
            ax=ax2)
ax2.set_title("EfficientNetV2-S", fontsize=14, weight='bold')
ax2.set_xlabel("Predicted Label", fontsize=12, weight='bold')
ax2.tick_params(axis='x', labelrotation=0, labelsize=9)  # 强制横轴标签水平
ax2.set_yticklabels(class_names, rotation=90, fontsize=9)
ax2.set_ylabel("True Label", fontsize=12, weight='bold')



# 右侧 colorbar 轴
cbar_ax = plt.subplot(gs[2])
norm = plt.Normalize(vmin=0, vmax=np.max([conf_matrix_shift.max(), conf_matrix_effnet.max()]))
sm = plt.cm.ScalarMappable(cmap="Blues", norm=norm)
sm.set_array([])
fig.colorbar(sm, cax=cbar_ax)

# 使用手动调整间距，避免tight_layout警告
fig.subplots_adjust(left=0.07, right=0.93, top=0.88, bottom=0.15, wspace=0.3)

plt.savefig("ConfusionMatrix_Comparison.png", bbox_inches='tight')
plt.close()

结论别写成四不像，多研究优秀论文的结论写法，和摘要、引言对应部分区分开，实实在在总结研究成果，别整些无关的描述，得让结论真能收尾、能升华，最后一句还是引出未来工作。

附录 – 摘要、引言、结论中描述创新点的方式

推荐参考：https://mp.weixin.qq.com/s/SpgVuPAQBY0fsMaIFCJQ6