有关传统目标检测的论文有哪些

有一个月没更博客了，捂脸 o(￣=￣)d

端午回家休息了几天，6月要加油~

回到正文，HOG是很经典的一种图像特征提取方法，尤其是在行人识别领域被应用的很多。虽然文章是2005年发表在CVPR上的，但近十年来还没有被淹没的文章真的是很值得阅读的研究成果了。

key idea：局部物体的形状和外观可以通过局部梯度或者边缘的密度分布所表示。

主要步骤：

上图为论文中提供的图，个人觉得我在参考资料中列出的那篇博客中给出的图可能更好理解一些。

具体细节：关于每一个过程的详细解释还是在这篇博客中已经写得很清楚了，这里就不再搬运了。

文章中数据集的图像大小均为：64*128, block大小为16x16， block stride为8x8，cell size为8x8，bins=9（直方图等级数）；

获取到每张图的特征维度后，再用线性SVM训练分类器即可。

下图为作者而给出的示例图：

这两篇博客写的都很好，推荐阅读一波。

对于目标检测方向并不是特别熟悉，本文记录一下RCNN, fast-RCNN, faster-RCNN, mask-RCNN这4篇有关目标检测的论文笔记和学习心得。

R-CNN的意思就是Region based，主要思路就是根据一张图像，提取多个region，再将每个Region输入CNN来进行特征的提取。因此RCNN就可以分为 Region proposals , Feature extraction 两个主要部分，提取的特征就可以输入任意一个分类器来进行分类。模型的流程图如下：

在训练的时候，首先使用的是已经训练好的CNN网络作为特征提取器，但是由于预训练是在分类数据集上，因此在应用到检测之前要做finetune。也就是说，为了将用ImageNet数据集训练的网络应用到新的任务（检测），新的数据集（region）上，作者将原来的CNN最后的1000类的fc层，更改为了层，代表待检测的物体的类别数。然后，对于所有的region，如果它和ground truth的重叠率大于，就认为是正类。对于分类器的训练，作者发现选择多大的IoU来区分正类和负类非常关键。并且，对于每一类，都会训练一个分类器。

框的回归非常重要，在对每一个region proposal使用分类器进行打分评价之后，作者使用一个回归器来预测一个新的框作为结果。这个回归器使用的特征是从CNN中提取的特征。回归器的训练中，输入是 region proposal 的和ground truth的，目标是学习一种变换，使得region proposal通过该变换能够接近ground truth。同时，希望这种变换拥有尺度不变性，也就是说尺度变化的话，变换不会改变。如下图所示，每一个regressor会学习一组参数，特征输入是pool 5的特征输出，拟合的目标是。

Fast-RCNN 主要解决的问题是在RCNN中对于每一个region proposal都进行特征提取，会产生非常多的冗余计算，因此可以先对一张图像进行特征提取，再根据region proposal在相应的特征上进行划分得到对应region的特征（映射关系）。这样便可以实现共享计算提高速度，但是与SPPnets不同，SPPnets在一副图像得到对应的特征后，从这张图像的特征上proposal对应的部分，采用空间金字塔池化，如下图：

RoI pooling的方法很简单，类似于空间金字塔pooling，它将proposal部分对应卷积层输出的特征（称之为RoI，因为用于做pooling的特征是 region of interest，也就是我们感兴趣的区域）划分成块，然后对每一块求最大值，最终得到了一个的特征图。可以看出，它只是空间金字塔pooling的一部分。但是SPP-nets的空间金字塔也是可以求导的，那么它到底不好在哪里呢？因为当每一个RoI都可能来源于不同的图像的时候（R-CNN和SPPnets的训练策略是从一个batch的不同图像中，分别挑选一个proposal region），SPPNets的训练非常地低效，这种低效来源于在SPPnets的训练中，每个RoI的感受野都非常地大，很可能对应了原图的整个图像，因此，得到的特征也几乎对应了整张图像，所以输入的图像也就很大。为了提高效率，Fast-RCNN首先选取个图像，再从每个图像上选择个RoI，这样的效率就比从每个图像提取一个RoI提高了倍。

为了将分类和框回归结合起来，作者采用了多任务的loss，来进行联合的训练。具体来说就是将分类的loss和框回归的loss结合起来。网络的设计上非常直接，就是将RoI得到的特征接几个FC层后，分别接不同的输出层。对应于分类部分，特征会接一个softmax输出，用于分类，对于框回归部分，会接一个输出4维特征的输出层，然后分别计算loss，用于反向传播。loss的公式如下：

回归的target可以参考前面的R-CNN部分。

notes

为什么比fast还fast呢？主要原因是在这篇论文中提出了一个新的层：RPN（region proposal networks）用于替代之前的selective search。这个层还可以在GPU上运算来提高速度。 RPN的目的：

为了能够进行region proposal，作者使用了一个小的网络，在基础的卷积层输出的特征上进行滑动，这个网络输入大小为，输入后会映射（用的卷积）为一个固定长度的特征向量，然后接两个并联的fc层（用的卷积层代替），这两个fc层，一个为box-regressoin，一个为box-classification。如下图：

在每一个滑动窗口（可以参考），为了考虑到尽可能多的框的情况，作者设计了anchors来作为region proposal。anchors就是对于每一个滑动窗口的中心位置，在该位置对应的原图位置的基础上，按照不同的尺度，长宽比例框出个不同的区域。然后根据这些anchors对应的原始图像位置以及区域，和ground truth，就可以给每一个滑动窗口的每一个anchor进行标记，也就是赋予label，满足一定条件标记为正类（比如和ground truth重叠大于一个值），一定条件为负类。对于正类，就可以根据ground truth和该anchor对应的原图的区域之间的变换关系（参考前面的R-CNN的框回归），得到回归器中的目标，用于训练。也就是论文中的loss function部分：

自然地，也就要求RPN的两个并联的FC层一个输出2k个值用于表示这k个anchor对应的区域的正类，负类的概率，另一个输出4k个值，用于表示框回归的变换的预测值。

对于整个网络的训练，作者采用了一种叫做 4-step Alternating Training 的方法。具体可以参考论文。

与之前的检测任务稍有不同，mask r-cnn的任务是做instance segmentation。因此，它需要对每一个像素点进行分类。与Faster R-CNN不同，Faster R-CNN对每一个候选框产生两个输出，一个是类别，一个是bounding box的offset。Mask R-CNN新增加了一个输出，作为物体的mask。这个mask类似于ps中的蒙版。

与Faster R-CNN类似的是，Mask R-CNN同样采用RPN来进行Region Proposal。但是在之后，对于每一个RoI，mask r-cnn还输出了一个二值化的mask。

不像类别，框回归，输出都可以是一个向量，mask必须保持一定的空间信息。因此，作者采用FCN来从每个RoI中预测一个的mask。

由于属于像素级别的预测问题，就需要RoI能够在进行特征提取的时候保持住空间信息，至少在像素级别上能够对应起来。因此，传统的取最大值的方法就显得不合适。 RoI Pooling，经历了两个量化的过程：第一个：从roi proposal到feature map的映射过程。第二个：从feature map划分成7*7的bin，每个bin使用max pooling。

为此，作者使用了RoIAlign。如下图

为了避免上面提到的量化过程

可以参考

作者使用ResNet作为基础的特征提取的网络。对于预测类别，回归框，mask的网络使用如下图结构：

整体看完这几篇大佬的论文，虽说没有弄清楚每一个实现细节，但是大体上了解了算法的思路。可以看出，出发点都源于深度神经网络在特征提取上的卓越能力，因此一众大神试图将这种能力应用在检测问题中。从R-CNN中简单地用于特征提取，到为了提高速度减少计算的Fast R-CNN，再到为了将region proposal集成进入整个模型中，并且利用GPU加速的RPN，也就是Faster R-CNN。再到为了应用于instance segmentation任务中，设计的RoIAlign和mask。包括bounding box regression，pooling层的设计，训练方法的选择，loss的设计等等细节，无一不体现了大师们的思考和创造力。可能在我们这些“拿来”者的眼中，这些方法都显得“理所应当”和巧妙，好用，但是，它们背后隐藏的选择和这些选择的思考却更值得我们学习。以及，对待每一个问题，如何设计出合理的解决方案，以及方案的效率，通用性，更是应该我们努力的方向。

常用的论文检测系统有哪些

知网，维普，万方

paperfree和papertime

Papertime 拥有海归博士多年研发基于大数据指纹比对算法，相比常规比对速度提升10倍，在保证查重质量的情况下，几秒钟就可以出查重结果。系统采用自主研发的动态指纹越级扫描技术检测的主要步骤有：文本预处理、语义挖掘、深度识别并且检测准确率高达99%以上

除了知网、维普、万方查重以外，前期初稿查重可以使用papertime检测系统，PaperTime免费论文查重软件通过海量数据库对提交论文进行对比分析，准确地查到论文中的潜在抄袭和不当引用，实现了对学术不端行为的检测服务。

论文查重软件：

1、中国知网CNKI论文查重

知网知网查重系统从知网官网中的“学术不端文献检测系统”进入，其中主要分为：

(1)科技期刊学术不端文献检测系统

专门为科技期刊编辑部提供检测服务，仅限检测科技期刊稿件。

可检测抄袭与剽窃、伪造、篡改、不当署名、一稿多投等学术不端文献。

(2)社科期刊学术不端文献检测系统

专门为社科期刊编辑部提供检测服务，仅限检测社科期刊稿件。

可检测抄袭与剽窃、伪造、篡改、不当署名、一稿多投等学术不端文献。

(3)学位论文学术不端行为检测系统

专门为研究生院部提供检测服务，仅限检测研究生毕业论文。

可检测抄袭与剽窃、伪造、篡改等学术不端文献。

(4)大学生论文管理系统

用于辅助高校教务处检查大学生毕业论文是否存在抄袭剽窃等学术不端行为，

帮助提高大学生论文质量。

2、万方检测系统：万方文献相似性检测服务平台

万方数据旗下论文检测，严谨且科学的论文相似性检测系统。提供论文查重、论文抄袭检测和学术不端甄别等服务。

3、维普论文查重：

进入维普论文检测官网找到论文查重入口，支持毕业论文抄袭检测、24小时自助检测等。

4、PaperPP论文查重

可以免费查重，查重的准确度较高。

知网的论文检测系统有哪些

知网，维普，万方

paperfree和papertime

一般知网论文检测系统的数据库检测范围包括：

中国学术期刊网络出版总库、中国博士学位论文全文数据库、中国优秀硕士学位论文全文数据库、中国重要会议论文数据库、中国重要报纸全文数据库、中国专利全文数据库、互联网资源、英文数据库 (涵盖期刊、博硕、会议的英文数据以及德国Springer、英国Taylor&Francis 期刊数据库、港澳台学术文献库、优先出版文献库、互联网文档资源、图书资源。

中国知网知识发现网络平台—面向海内外读者提供中国学术文献、外文文献、学位论文、报纸、会议、年鉴、工具书等各类资源统一检索、统一导航、在线阅读和下载服务。涵盖基础科学、文史哲、工程科技、社会科学、农业、经济与管理科学、医药卫生、信息科技等十大领域。

科技期刊学术不端文献检测系统AMLC、社科期刊学术不端文献检测系统SMLC、大学生论文管理系统PMLC、学术不端文献检测系统（简称知网VIP）和学位论文学术不端行为检测系统TMLC2等5大主要检测系统。

论文检测系统分别有哪些

大概当今所有的研究生毕业论文都会经过中国知网的“学术不端检测”，即便最后不被盲审。这个系统的初衷其实是很好的，在一定程度上能够对即将踏入中国科研界的硕士研究生们一个警示作用：杜绝抄袭，踏实学问。但正所谓“世界万物，有矛就有盾”的哲学观，中国知网的这个“学术不端检测系统”并不是完善的。原因有二，其一是目前的图文识别技术还不够先进；其二是目前的机器识别还达不到在含义识别上的智能化。求索阁一贯的观点就是“战略上蔑视，战术上重视”和“知己知彼百战百胜”。要破敌，必先知敌；要过学术检测这一关，当然必先了解这一关的玄机。一、查重原理 1、知网学位论文检测为整篇上传，格式对检测结果可能会造成影响，需要将最终交稿格式提交检测，将影响降到最小，此影响为几十字的小段可能检测不出。对于3万字符以上文字较多的论文是可以忽略的。对比数据库为：中国学术期刊网络出版总库，中国博士学位论文全文数据库/中国优秀硕士学位论文全文数据库，国重要会议论文全文数据库，中国重要报纸全文数据库，中国专利全文数据库，个人比对库，其他比对库。部分书籍不在知网库，检测不到。 2、上传论文后，系统会自动检测该论文的章节信息，如果有自动生成的目录信息，那么系统会将论文按章节分段检测，否则会自动分段检测。 3、有部分同学反映说自己在段落中明明引用或者抄袭了其他文献的段落或句子，为什么没有检测出来，这是正常的。中国知网对该套检测系统的灵敏度设置了一个阀值，该阀值为5%，以段落计，低于5%的抄袭或引用是检测不出来的，这种情况常见于大段落中的小句或者小概念。举个例子：假如检测段落1有10000字，那么引用单篇文献500字以下，是不会被检测出来的。实际上这里也告诉同学们一个修改的方法，就是对段落抄袭千万不要选一篇文章来引用，尽可能多的选择多篇文献，一篇截取几句，这样是不会被检测出来的。 4、一篇论文的抄袭怎么才会被检测出来？知网论文检测的条件是连续13个字相似或抄袭都会被红字标注，但是必须满足3里面的前提条件：即你所引用或抄袭的A文献文字总和在你的各个检测段落中要达到5%。二、快速通过论文查重的七大方法方法一：外文文献翻译法查阅研究领域外文文献，特别是高水平期刊的文献，比如Science，Nature，WaterRes等，将其中的理论讲解翻译成中文，放在自己的论文中。优点：1、每个人语言习惯不同，翻译成的汉语必然不同。因此即使是同一段文字，不同人翻译了之后，也不会出现抄袭的情况。2、外文文献的阅读，可以提升自身英语水平，拓展专业领域视野。缺点：英文不好特别是专业英文不好的同学实施起来比较费劲。方法二：变化措辞法将别人论文里的文字，或按照意思重写，或变换句式结构，更改主被动语态，或更换关键词，或通过增减。当然如果却属于经典名句，还是按照经典的方法加以引用。优点：1．将文字修改之后，按照知网程序和算法，只要不出现连续13个字重复，以及关键词的重复，就不会被标红。2．对论文的每字每句都了如指掌，烂熟于心，答辩时亦会如鱼得水。缺点：逐字逐句的改，费时费力。方法三：google等翻译工具翻译法将别人论文里的文字，用google翻译成英文，再翻译回来，句式和结构就会发生改变，再自行修改下语病后，即可顺利躲过查重。优点：方便快捷，可以一大段一大段的修改。缺点：有时候需要多翻译几遍，必须先由中文翻译成英文，再翻译成阿尔及利亚语，再翻译成中文。方法四：转换图片法将别人论文里的文字，截成图片，放在自己的论文里。因为知网查重系统目前只能查文字，而不能查图片和表格，因此可以躲过查重。优点：比google翻译法更加方便快捷。缺点：用顺手了容易出现整页都是图片的情况，会影响整个论文的字数统计。方法五：插入文档法将某些参考引用来的文字通过word文档的形式插入到论文中。优点：此法比方法四更甚一筹，因为该方法日后还可以在所插入的文档里进行重新编辑，而图片转换法以后就不便于再修改了。缺点：还没发现。方法六：插入空格法将文章中所有的字间插入空格，然后将空格字间距调到最小。因为查重的根据是以词为基础的，空格切断了词语，自然略过了查重系统。优点：从查重系统的原理出发，可靠性高。缺点：工作量极大，课可以考虑通过宏完成，但宏的编制需要研究。方法七：自己原创法自己动手写论文，在写作时，要么不原文复制粘贴；要么正确的加上引用。优点：基本上绝对不会担心查重不通过，哪怕这个查重系统的阈值调的再低。缺点：如果说优缺点的话，就是写完一篇毕业论文，可能会死掉更多的脑细胞。呵呵。。。

论文查重粗略可以分成初稿查重，终稿查重。

国内大查重软件大概有：

知网查重系统，Paperbye查重软件，万方查重系统，维普查重系统；

还有国外的查重系，Turnitin，Grammaly语法检测，Plagiarisma系统等

初稿查重系统

硕博本科毕业论文，可以选择paperbye、万方，维普等。

定稿查重系统

如果是硕士博士毕业论文查重定稿了，多数选择是知网查重系统。

目前市面出现了各种各样的论文查重软件，可以区分为初稿查重和定稿查重，根据自己不同的论文情况来进行选择。初稿论文查重软件有：paperfree、papertime等等；定稿论文查重软件有：知网、维普、万方等。一般学校对于初稿查重软件没什么要求，只是在定稿后要使用与学校要求一致的软件检测，这样才能保证重复率更加接近于学校的结果。同时大家在选择查重软件时，要注意以下几点：1、要选安全、可靠的的。不然你检测完以后，再去学校检测，发现已经在其他地方出现过你这篇论文了，太就太不应该了。2、选大品牌的。有的人直接在百度搜论文查重软件，找一些做竞价的查重工具，这些工具比较都是小品牌，没什么知名度，全靠竞价烧钱。3、可以咨询一下同学们用什么软件，看他们使用后的效果，用得好，也可以去尝试一下。

论文查重软件有哪些：现在国内有：PaperRater论文查重软件、知网、万方、维普这几个论文才软件这些是比较常用、常见的论文查重软件其中PaperRater论文查重软件是跟知网查重可以比较的查重结果跟知网的一样的准确度很高首次查重使用还有免费的查重5000字论文知网查重是不对个人开放查重的 paperrater是个人开放的论文查重软件

国外论文检测系统有哪些

检测主要有知网，万方，维普等。中国知网：由清华大学、清华同方发起，始建于1999年6月，导航内容覆盖自然科学、工程技术、农业、哲学、医学、人文社会科学等各个领域，读者可直接浏览期刊基本信息，按期查找期刊文章。万方数据库：万方数据库是由万方数据公司开发的，涵盖期刊、会议纪要、论文、学术成果、学术会议论文的大型网络数据库；也是和中国知网齐名的中国专业的学术数据库。维普资讯网：维普资讯是科学技术部西南信息中心下属的一家大型的专业化数据公司，是中文期刊数据库建设事业的奠基人，已经成为中国最大的综合文献数据库。除此之外，还有百度学术，谷歌学术里面也有一些免费的论文。希望采纳

常见的论文检测系统：知网、万方、维普、paperrater,高校使用最多的是知网、万方、维普次之，paperrater主要用于学生个人检查，收费也比较便宜。

希望能帮助到你PQDT:目前世界上最大和使用最广泛的国际性学位论文数据库。收录对象：综合性，包括博士、硕士，覆盖各学科，主要为欧美国家文献类型：索引文摘型,部分全文收录年限：1861-文献量：总量超过200万条，每年新增约55000条PQDD:PQDT数据库中部分记录的国内全文版国内主要是通过集团联合采购的方式，例如我校每年提交采购200篇，而集团每年新增约35000篇，形成PQDT国内全文版数据库。目前收录有欧美1，000余所大学文、理、工、农、医等领域的博士,硕士学位论文，是学术研究中十分重要的信息资源。收录对象：综合性，博士、硕士，覆盖各学科，主要为欧美国家文献类型：全文收录年限：1981-文献量：总量超过17万篇是由国内通过集团采购的方式订购的；我校每年提交订购约200篇NDLTD美国国家自然科学基金支持的一个网上学位论文共建共享项目，为用户提供免费的学位论文文摘，部分可获取免费的学位论文全文ADTADT是澳大利亚国家的合作计划，目的是建立澳大利亚大学博、硕士论文的分布式数据库，有全文

大学快结束了，毕业生总觉得通过论文查重很难，最痛苦的是无法通过论文检测。用什么系统对论文进行检测，将决定后续提交的论文是否能够顺利通过。当然，论文的后续修改也很重要。接下来就让paperfree小编来说说用什么查重系统对论文进行检测吧，希望对你有帮助。一、用什么系统检测论文小编推荐一个安全可靠的查重系统网站——paperfree。paperfree已经发展成为一个权威可靠的在线网站，用于检查论文的原创性和防止抄袭，该网站一直致力于学术论文的检测。paperfree查重系统检测范围广泛，涵盖所有中英文类别，包括哲学、经济学、管理学、法学、社会科学、教育学、文学、艺术学、历史学、理学、工学、农学、医学、政治学、军事学等。二、如何进行论文修改？1、注意文献的正确引用。引号后，不要轻易用句号结尾。一定要在引用结束后写句号，否则句号后引用的句子会被判定为抄袭。同时，引用文本的内容可以做成表格。表格和图表不在查重范围内，一目了然，是非常好的修改方法。2、进行增删改写。论文引用的句子有所改动，适当的词语有所放大，略有删减。然后，连贯地组合句子，使句子不同，减少文章中的重复字符。