《中国塑料》正文格式要求

文章以实验为主要内容的,应说明实验设备、实验条件,对实验误差的估计等。文章的撰写应便于同行重复再现所报道的内容,由于保密原因不便公开某些内容的,应在附信中向编辑说明情况。文章以数值计算为主要内容的,应给出所求解的方程、重要的计算参数、初始或边界条件,难点问题的处理等,应对方法的适用性和计算精度估计有所说明,全文统一计算精度。     

“碳化硅功率半导体技术”专题前言

半导体功率器件(即电力电子器件)是电力电子技术的三大核心基础之一,被比作电力电子装置的“CPU”。现有功率器件多采用Si基或SOI基,但是受限于自身材料特性的影响,在节能与转换效率方面越来越显示出他们的局限性。为解决上述问题,半导体功率器件除了继续对传统器件进行新理论和新结构的创新研究外,也正在遵循“一代材料、一代器件、一代装置、一代应用”的发展趋势,从传统的Si基和SOI基向宽禁带半导体SiC和GaN基进行扩展和延伸。     

投稿须知

特别说明:1)稿件重复率以中国知网学术不端文献检测系统检测结果为准(已在线公开的硕博论文包含在内),论文均须控制在10%以内,我刊会在初次来稿、网络首发以及稿件编校前进行三次重复率检测。2)初次来稿的稿件格式请严格按照“论文模板”要求编写。     

投稿要求

<正>为提高稿件审查、排版和校对效率,减少差错,提高出版质量,请作者投稿时参见以下要求:投稿请到本刊投稿平台http://www.e-foodtech.net/。原收稿邮箱shipinkj@vip.163.com 2010年10月1日起不再执行收稿工作,邮箱自动回复将提示您投稿登录平台,请各位作者注意邮箱的自动回复。投稿流程可以登录食品科技博客参考,注意请不要到中国知网的采编平台投稿。某些代发论文网站与我社均毫无联系,请您注意以免上     

改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。     

分享典型案例 增强维权信心

新"消保法"实施一年多来,我们的消费生活和消费者权益保护工作正在发生着重大变化。在"3·15"国际消费者权益日来临之际,本刊从媒体公布的各类投诉案件中,甄选9个较为典型的案例予以发布,并请专业人士对案例进行评析,以供消费者在今后消费过程中借鉴。1超市多收4元钱依法赔偿500元2014年6月10日,一名消费者在某连锁超市购物消费,付款后发现,购买货物中,标示为15.9元的商品,收银小票上的价格却为19.9元,该消费者