发布时间：
经典的目标检测网络RCNN系列分为两步，目标proposal和目标分类。而Faster-RCNN中把目标proposal和目标分类作为一个网络的两个分支分别输出，大大缩短了计算时间。而Yolo系列则把这两个分支都省了，只用一个网络同时输出目标的位置和分类。
输入：一张图片
输出：把每张图片分成SxS个方格，对每个方格，输出一个B*5+C维的数组。其中B是该方格预测方框的数目，包含(x,y,w,h,s)，s表示方框的置信度，C表示需要预测的类别数。
在YOLO中，S=7, B=2，PASCAL VOC有20类，所以C=20，B*5+C=30。
YOLO网络结构主要分为两个部分，第一部分是特征提取网络，主要是为了提取物体的通用特征，一般在ImageNet上进行预训练；第二部分是后处理网络，目的是回归出待检测物体的坐标和类别。
第一个版本的YOLO的特征提取网络有24个卷积层和2个全连接层。网络结构如下图。
可以看出，这个网络中主要采用了1x1卷积后跟着3x3卷积的方式。
特征提取网络采用了前20个卷积层，加一个avg-pooling层和一个全连接层，对ImageNet2012进行分类，top-5正确率为88%，输入分辨率为224x224。
检测时，将输入分辨率改为448x448，因为网络结构是全卷积的，所以输入分辨率可以改变，整个网络输出为7x7x30维的tensor。
接下来要重点将一下这个损失函数。
用网络直接回归物体的坐标是很难的，这里对要回归的物体的坐标进行了一些转化。物体方框的长w和宽h分别除以图片的长和宽；x和y坐标分别表示对应方格坐标的偏移，分别除以方格的长和宽；它们都在0到1之间。
损失函数分为多个部分：
其中，其中i表示第i个方格，j表示该方格预测出的第j个方框。 表示物体obj的实际方框与第i个方格有 对应关系 ，即obj的中心落在第i个方格中； 表示物体obj的实际方框与第i个方格预测的第j个方框有 对应关系 ，即obj的中心落在第i个方格中，并与它的第j个预测方框的IOU最大。
可以看到损失函数包括5个部分。第一部分是x,y坐标；第二部分是w,h，采用根号使得小方框size变化的损失比大方框size变化的损失大；第三部分是方框置信度损失，回归目标是预测方框与实际方框的IOU值；前三部分都只在预测方框和实际方框有对应关系时才计算loss；第四部分是没有对应物体的方框置信度损失，实际的置信度都是0；第五部分是分类损失，当方格与物体有对应关系时，才计算分类损失。
因为在图片中很多方格都不包含物体，使得方格预测方框的置信分数趋于0。所以对包含物体的方格加大权重，对不包含物体的方格减小权重。论文中有 。
YOLO-v2在YOLO-v1的版本上做了一些改进。
主要利用了NIN的思想。有19个卷积层和5个maxpooling层，实现了的top-1正确率和的top-5正确率。在448x448的分辨率上，实现了的top-1正确率，和的top-5正确率。网络结构如下图所示。
修改成detection网络时，删除了最后的卷积层，添加了3个3x3x1024的卷积层，和一个1x1x125的卷积层，在最后的3x3x512层和导数第二层之间添加了一个paththrough进行特征concat。
开始学习率是，在60和90个epoch时乘以。
另外，YOLO-v2利用WordTree，将分类和检测任务进行联合训练，对于没有方框标注的物体也能预测出其方框，能够对词典中9000个概念进行预测。YOLO-v2也叫做YOLO9000。
YOLO-v3在YOLO-v2的基础上进行了一些改进。
Darknet-53和Resnet-152正确率相同，但速度是2倍。
总的来说，我觉得，YOLO的发展完全展现了汲取众家之长的力量。还是要多看paper，以上。
参考文献： [1] Redmon, Joseph, et al. "You only look once: Unified, real-time object detection." Proceedings of the IEEE conference on computer vision and pattern recognition. 2016. [2] Redmon J, Farhadi A. YOLO9000: better, faster, stronger[J]. arXiv preprint, 2017. [3] Redmon, Joseph, and Ali Farhadi. "Yolov3: An incremental improvement." arXiv preprint arXiv: (2018).
1 简介
针对无人机捕获场景的目标检测是最近比较流行的一项任务。由于无人机在不同高度飞行，目标尺度变化较大，这样给模型的优化也带来了很大的负担。此外，在无人机进行高速低空飞行时，也会带来密集目标的运动模糊问题。
图1 小目标与密集问题
为了解决上述2个问题，本文提出了 TPH-YOLOv5 。 TPH-YOLOv5 在YOLOv5的基础上增加了一个prediction heads 来检测不同尺度的目标。然后通过探索Self-Attention的预测潜力使用了Transformer Prediction Heads(TPH)代替原来的prediction heads。同时作者还集成了卷积块Attention模型(CBAM)来寻找密集场景下的注意力区域。
为了进一步改进 TPH-YOLOv5 ，作者还提供了大量有用的策略，如数据增强、多尺度测试、多模型集成和使用额外的分类器。
在VisDrone2021数据集上的大量实验表明，TPH-YOLOv5在无人机捕获场景上具有良好的性能和可解释性。在DET-test-challenge数据集上，TPH-YOLOv5的AP结果为，比之前的SOTA方法(DPNetV3)提高了。在VisDrone Challenge 2021中，TPH-YOLOv5与YOLOv5相比提高了约7%。
本文的贡献如下:
2 前人工作总结 Data Augmentation
数据增强的意义主要是扩展数据集，使模型对不同环境下获得的图像具有较高的鲁棒性。
Photometric和geometric被研究人员广泛使用。对于Photometric主要是对图像的色相、饱和度和值进行了调整。在处理geometric时主要是添加随机缩放、裁剪、平移、剪切和旋转。
除了上述的全局像素增强方法外，还有一些比较独特的数据增强方法。一些研究者提出了将多幅图像结合在一起进行数据增强的方法，如MixUp、CutMix和Mosaic。
MixUp从训练图像中随机选取2个样本进行随机加权求和，样本的标签也对应于加权求和。不同于通常使用零像素mask遮挡图像的遮挡工作，CutMix使用另一个图像的区域覆盖被遮挡的区域。Mosaic是CutMix的改进版。拼接4幅图像，极大地丰富了被检测物体的背景。此外，batch normalization计算每层上4张不同图像的激活统计量。
在TPH-YOLOv5的工作中主要是结合了MixUp、Mosaic以及传统方法进行的数据增强。
Multi-Model Ensemble Method
我们都知道深度学习模型是一种非线性方法。它们提供了更大的灵活性，并可以根据训练数据量的比例进行扩展。这种灵活性的一个缺点是，它们通过随机训练算法进行学习，这意味着它们对训练数据的细节非常敏感，每次训练时可能会得到一组不同的权重，从而导致不同的预测。 这给模型带来了一个高方差 。
减少模型方差的一个成功方法是训练多个模型而不是单一模型，并结合这些模型的预测。
针对不同的目标检测模型，有3种不同的ensemble boxes方法:非最大抑制(NMS)、Soft-NMS、Weighted Boxes Fusion(WBF)。
在NMS方法中，如果boxes的overlap, Intersection Over Union(IoU)大于某个阈值，则认为它们属于同一个对象。对于每个目标NMS只留下一个置信度最高的box删除其他box。因此，box过滤过程依赖于这个单一IoU阈值的选择，这对模型性能有很大的影响。
Soft-NMS是对NMS进行轻微的修改，使得Soft-NMS在标准基准数据集(如PASCAL VOC和MS COCO)上比传统NMS有了明显的改进。它根据IoU值对相邻边界box的置信度设置衰减函数，而不是完全将其置信度评分设为0并将其删除。
WBF的工作原理与NMS不同。NMS和Soft-NMS都排除了一些框，而WBF将所有框合并形成最终结果。因此，它可以解决模型中所有不准确的预测。本文使用WBF对最终模型进行集成，其性能明显优于NMS。
Object Detection
基于CNN的物体检测器可分为多种类型:
一些检测器是专门为无人机捕获的图像设计的，如RRNet、PENet、CenterNet等。但从组件的角度来看，它们通常由2部分组成，一是基于CNN的主干，用于图像特征提取，另一部分是检测头，用于预测目标的类和Box。
此外，近年来发展起来的目标检测器往往在backbone和head之间插入一些层，人们通常称这部分为检测器的Neck。接下来分别对这3种结构进行详细介绍：
Backbone
常用的Backbone包括VGG、ResNet、DenseNet、MobileNet、EfficientNet、CSPDarknet53、Swin-Transformer等，均不是自己设计的网络。因为这些网络已经证明它们在分类和其他问题上有很强的特征提取能力。但研究人员也将微调Backbone，使其更适合特定的垂直任务。
Neck
Neck的设计是为了更好地利用Backbone提取的特征。对Backbone提取的特征图进行不同阶段的再处理和合理使用。通常，一个Neck由几个自底向上的路径和几个自顶向下的路径组成。Neck是目标检测框架中的关键环节。最早的Neck是使用上下取样块。该方法的特点是没有特征层聚合操作，如SSD，直接跟随头部后的多层次特征图。
常用的Neck聚合块有：FPN、PANet、NAS-FPN、BiFPN、ASFF、SAM。这些方法的共性是反复使用各种上下采样、拼接、点和或点积来设计聚合策略。Neck也有一些额外的块，如SPP, ASPP, RFB, CBAM。
Head
作为一个分类网络，Backbone无法完成定位任务，Head负责通过Backbone提取的特征图检测目标的位置和类别。
Head一般分为2种：One-Stage检测器和Two-Stage检测器。
两级检测器一直是目标检测领域的主导方法，其中最具代表性的是RCNN系列。与Two-Stage检测器相比One-Stage检测器同时预测box和目标的类别。One-Stage检测器的速度优势明显，但精度较低。对于One-Stage检测器，最具代表性的型号是YOLO系列、SSD和RetaNet。
Overview of YOLOv5
YOLOv5有4种不同的配置，包括YOLOv5s，YOLOv5m, YOLOv5l和YOLOv5x。一般情况下，YOLOv5分别使用CSPDarknet53+SPP为Backbone，PANet为Neck, YOLO检测Head。为了进一步优化整个架构。由于它是最显著和最方便的One-Stage检测器，作者选择它作为Baseline。
图2 THP-YOLOv5整体架构
当使用VisDrone2021数据集训练模型时，使用数据增强策略(Mosaic和MixUp)发现YOLOv5x的结果远远好于YOLOv5s、YOLOv5m和YOLOv5l, AP值的差距大于。虽然YOLOv5x模型的训练计算成本比其他3种模型都要高，但仍然选择使用YOLOv5x来追求最好的检测性能。此外，根据无人机捕获图像的特点，对常用的photometric和geometric参数进行了调整。
TPH-YOLOv5
TPH-YOLOv5的框架如图3所示。修改了原来的YOLOv5，使其专一于VisDrone2021数据集：
图3 TPH-YOLOv5模型结构 微小物体的预测头
作者统计了VisDrone2021数据集，发现它包含了很多非常小的目标，所以增加了一个用于微小物体检测的预测头。结合其他3个预测头，4头结构可以缓解剧烈的目标尺度变化带来的负面影响。如图3所示，添加的预测头(Head 1)是由low-level、高分辨率的feature map生成的，对微小物体更加敏感。增加检测头后，虽然增加了计算和存储成本，但对微小物体的检测性能得到了很大的提高。
Transformer encoder block
图4 Transformer Block
用Transformer encoder块替换了YOLOv5原版中的一些卷积块和CSP bottleneck blocks。其结构如图4所示。与CSPDarknet53中原有的bottleneck blocks相比，作者认为Transformer encoder block可以捕获全局信息和丰富的上下文信息。
每个Transformer encoder block包含2个子层。第1子层为multi-head attention layer，第2子层(MLP)为全连接层。每个子层之间使用残差连接。Transformer encoder block增加了捕获不同局部信息的能力。它还可以利用自注意力机制来挖掘特征表征潜能。在VisDrone2021数据集中，Transformer encoder block在高密度闭塞对象上有更好的性能。
基于YOLOv5，作者只在头部部分应用Transformer encoder block形成transformer Prediction head(TPH)和backbone端。因为网络末端的特征图分辨率较低。将TPH应用于低分辨率特征图可以降低计算和存储成本。此外，当放大输入图像的分辨率时可选择去除早期层的一些TPH块，以使训练过程可用。
Convolutional block attention module (CBAM)
CBAM是一个简单但有效的注意力模块。它是一个轻量级模块，可以即插即用到CNN架构中，并且可以以端到端方式进行训练。给定一个特征映射，CBAM将沿着通道和空间两个独立维度依次推断出注意力映射，然后将注意力映射与输入特征映射相乘，以执行自适应特征细化。
图5 CBAM注意力机制
CBAM模块的结构如图5所示。通过本文的实验，在不同的分类和检测数据集上将CBAM集成到不同的模型中，模型的性能得到了很大的提高，证明了该模块的有效性。
在无人机捕获的图像中，大覆盖区域总是包含令人困惑的地理元素。使用CBAM可以提取注意区域，以帮助TPH-YOLOv5抵制令人困惑的信息，并关注有用的目标对象。
Self-trained classifier
用TPH-YOLOv5对VisDrone2021数据集进行训练后，对test-dev数据集进行测试，然后通过可视化失败案例分析结果，得出TPH-YOLOv5定位能力较好，分类能力较差的结论。作者进一步探索如图6所示的混淆矩阵，观察到一些硬类别，如三轮车和遮阳三轮车的精度非常低。
图6 检测混淆矩阵
因此，作者提出了一个Self-trained classifier。首先，通过裁剪ground-truth边界框并将每个图像patch的大小调整为64 64来构建训练集。然后选择ResNet18作为分类器网络。实验结果表明，在这个Self-trained classifier的帮助下，所提方法对AP值提高了约。
4实验与结论
最终在test-set-challenge上取得了的好成绩，远远高于VisDrone2020的最高成绩。
图9 检测结果图
改进yolov5能发小论文。
主做目标检测的，正好最近在用yolov5，说点个人看法吧，不一定对。
首先yolo系列发展到现在，思想已经很成熟了，像具体的改进，其实4和5也有很多异曲同工的地方，无论是backbone还是neck。
目前很多改进yolov5发论文的，一些是在backone上做轻量化处理，一些是加入注意力机制，一些是改进neck，或者调整head，还有改损失函数或者nms过程的。
主要是因为yolo本身的思想已经很成熟了，在这个框架下的确很难做出些通用性的创新和提升。至于把各种成熟的模块塞进去发论文，这种仁者见仁智者见智吧。个人感觉还是结合某个方向改进yolo，会有方向一些。毕竟不同的数据集和尺度上，同样的改进有时候效果也是不同的。
Yolov5 目标检测的损失函数由三部分组成，分别是矩形框预测损失函数、置信度预测损失函数以及类别预测损失函数，在上节中分析了目标检测损失函数GIoU 的缺陷及其改进，使用 CIoU 以及带有调节因子的二元交叉熵函数替代原网络的损失函数。
实验验证此次改进，与原算法结果对比如下表所示。根据上表数据可以看到，针对本文的损失函数的改进在实验时得到了 的准确率，提升了 ，可以证明对损失函数的改进可以对目标检测的性能提升提供很大帮助。
问题一：论文的标题怎么写 要看你写什么论文了，但论文题目切忌范围不能太大，因为太大范围的论文我们是光靠你一个人是做不出来的。具体一些更好。可以写如“探析。。。原因及解决对策”、“浅析。。。”都是比较标准和常用的2种论文题目格式。 问题二：论文标题怎么写。。。 你好，论文题目一般是判断句！具体来说要有一个明确的观点！或者称为主题！或者叫中心！比如：《得道多助，失道寡助》就是很明确。 对于你的这个题目，问的是如何应对，所以你有一个明确的观点！不妨命题为：正确使用互联网是每个公民的权利和义务！ 可以从其好处与坏处对海论证！这就联系实际了。完全符合你的论文要求了。希望可以帮到您。 问题三：毕业论文小标题用什么段落格式？ 一般地，毕业论文正文一级标题：宋体四号字加黑居左； 正文二级标题：宋体小四号字加黑居左缩两格； 正文三级标题：宋体小四号字居左缩两格； 正文其余文字小四号，统一采用倍行间距编排。 问题四：毕业论文的题目怎么写？ 提供一些设计专业毕业论文的题目，供参考。 1、数码相机的设计报告 2、产品设计中的人机交互探讨 3、绿色设计与世纪未来 4、浅谈各种塑料管道的特点及应用 5、居住小区智能化技术的发展趋势 6、论平衡式燃气热水器与密封燃烧室新设计 7、浅谈地铁车站的装修概念设计 8、节能建筑设计与高新技术应用 9、城市设计、城市规划一体论 10、市场经济下建筑设计业的发展方向及对策 11、住宅室内储物空间设计论文 12、国内外室内设计的发展 13、浅谈建筑造型设计 14、建设设计中的虚拟现实 15、21世纪未来住宅的设计 16、浅谈城市“文化”广场的设计原则 17、文革视觉文化与文革风格视觉设计 18、论视觉传达设计的创新 19、浅析CI设计中的企业文化冲击力 20、视觉传达设计师――创作独立性 21、图形创意的表现 22、平面艺术设计的本土语言 23、传统美学观对现代广告招贴设计的影响 24、平面设计从混沌中走出 25、浅析现代标志设计教学与传统图形艺术的结合 26、设计当随时代---浅谈技术的发展对插图设计的影响 27、包装设计的定位 28、平面图形设计中的符号学原理 29、现代攻装设计的文化观 30、品牌包装设计 31、中国古代图徽与现代标志设计 32、医药商标标志设计之我见 33、中国平面设计-现实与展望 34、浅议汉字标志的存在价值与竞争优势 35、论计算机图形艺术设计 36、西方现代美术教育理论中的工具论和本质论 37、社会转型期民间舞蹈文化的发展态势 38、传统绘画艺术与现代艺术设计 39、中国当代艺术设计教育反思――制造大国的设计教育现状及存在的问题 40、城市空间艺术与可持续发展 41、论东西方舞蹈文化的冲突与融合 42、衰落与蜕变――百年中国民间美术态势思考 43、设计史的状况 44、设计艺术中的界面设计探讨 45、“似花还似非花”――浅析花在中国传统文化中的象征 46、试论概念设计的思维程序及方法 问题五：文章小标题格式~~~ 评论的标题引用对白可以增加吸引力，一般短一点就用引号引起来，长点的把字体加粗，或用其他字体字号，没有固定格式，只要醒目、美观怎样都可以的。 问题六：论文题目怎么写 一、定义： 所谓论文就是讨论某种问题或研究某种问题的文章。它的外延是文章，其内涵是讨论问题和研究问题，因此，它是一种说理文章。这里着重是要理解“讨论”和“研究”，这是论文的本质属性。 二、分类： 一是科研论文。就是对某个问题进行调查研究，写成的调查报告；对某种问题进行科学实验后，写成的实验报告；对某项经验进行总结，并上升的理论高度写成的经验报告。他们共同的特征是有明确的研究对象和明确的实践过程，反映了撰写者已进行的实践与研究过程。它们往往通过测量、统计数据、事例旁证等进行定性定量分析。如果作为一个课题研究，那就是研究报告。 二是学术论文。它是对某个问题尚未进行实验或实践，但依赖与某种理论或查阅文献资料，在理论上进行构想、探索，提出策略性思考的论文。或对某一理论问题进行思辩性思考的论文。 上述两类论文不一定完全是独立的个体，不存在截然划分的界线。 三、形式： 目前教育界的论文大多数出自于一线老师，经验总结论文居多。也有课题研究报告和理论研究文章。这给人们造成了一个错觉，似乎论文就是上述三种形式。其实，课题的方案、个案研究报告、甚至一篇说课稿均属于论文。如果把它们排斥在外是错误的。如果不是论文，难道是文艺作品或者是新闻报道？或者说是鲁迅的杂文！ 不管是毕业论文，还是职称论文，都需要按照标准格式进行排版。 论文的格式包括以下几个方面， 1、论文题目格式：（在标题下注明作者，邮编，工作单位，学生就写所在学校） 要求准确、简练、醒目、新颖。 2、目录 目录是论文中主要段落的简表。（短篇论文不必列目录） 3、内容提要： 是文章主要内容的摘录，要求短、精、完整。字数少可几十字，多 不超过三百字为宜。 4、关键词或主题词关键词是从论文的题名、提要和正文中选取出来的，是对表述论文 的中心内容有实质意义的词汇。关键词是用作计算机系统标引论文内容 特征的词语，便于信息系统汇集，以供读者检索。 每篇论文一般选取 3-8个词汇作为关键词，另起一行，排在“提要”的左下方。 5、论文正文： （1）引言：引言又称前言、序言和导言，用在论文的开头。 引言 一般要概括地写出作者意图，说明选题的目的和意义, 并指出论文写作 的范围。引言要短小精悍、紧扣主题。 〈2）论文正文：正文是论文的主体，正文应包括论点、论据、 论 证过程和结论。主体部分包括以下内容： a.提出问题-论点； b.分析问题-论据和论证； c.解决问题-论证方法与步骤； d.结论。 6、参考文献 一篇论文的参考文献是将论文在研究和写作中可参考或引证的主要 文献资料，列于论文的末尾。 中文：标题--作者--出版物信息（版地、版者、版期） 英文：作者--标题--出版物信息 所列参考文献的要求是： （1）所列参考文献应是正式出版物，以便读者考证。 （2）所列举的参考文献要标明序号、著作或文章的标题、作者、出 版物信息。 刚才已经讲过，不管是用来发表的论文，还是在校大学生写的毕业论文，都需要按照上面的论文格式进行排版，否则，你的论文或毕业论文就可能通不过审核。 问题七：论文二级标题怎么弄 WORD自动生成目录 一、格式化WORD文档，特别是生成目录的编章节标题和页码要规范。 二、定义各标题级别 1、在格式中选样式和格式，出现右边的一条“样式和格式”栏，这里面主要就是用到标题1，标题2，标题3。把标题1，标题2，标题3分别应用到文中各个章节的标题上（如果3级不够用，可自定义到9级）。 2、标题样式设置一般使用默认，想修改右键点击“标题1”选“修改”，会弹出修改菜单，可根据自己的要求进行修改。 3、定义标题级别，这一步最重要，要耐心去做。用标题1，2，3分别去定义文中的每个标题。方法是：把光标点到文档的某个标题上选中，然后用鼠标左键点击右边相应的标题级别就定义好了，用同样方法定义文章中所有的标题。 三、生成目录 把光标移到文章最开头你要插入目录的空白位置，选插入--引用--索引和目录--目录（目录选项使用默认即可，一般不用设置）--确定。自动生成的目录。 四、更新目录 当你重新修改文章内容后，需要更新目录时，在目录区域内，点右键，选更新域，在出现选框中，选“更新整个目录”，点确定 问题八：论文中符号大小的分类，如一、（一）、下面是什么，专业点，谢谢 一级标题：标题序号为“一、”， 4号黑体，独占行，末尾不加标点符号。 二级标题：标题序号为“（一）”与正文字号相同，独占行，末尾不加标点符号。 三级标题：标题序号为“ 1. ”与正文字号、字体相同。 四级标题：标题序号为“（1）”与正文字号、字体相同。 五级标题：标题序号为“ ① ”与正文字号、字体相同。 问题九：论文格式: 关于各级标题 层次标题的表示方法有 *** 数字顺序法，正确的表示方法是： 第1章 xxxxx xxx xxx 这是图书，或者大论文的表示方法，书名是总标题，第1章是一级标题，是二级标题，依此类推。 一般论文的表示方法为： 1 xxx （一级标题） xxx xxx 左侧顶格，题序和题名之间空一个。
1) 目录是毕业论文的提纲，也是毕业论文的小标题，应在目录中显示出层次顺序并按先后编好页次。2) 引言、正文、结论、后记、参考文献、附录按顺序编页；中英文摘要、目录另行编页。6.引言在毕业论文正文之前，简要说明研究工作的目的、范围、相关领域的前人研究情况和知识空白、理论基础和分析、研究方法、预期结果和意义，不能与摘要雷同。7.正文：正文是毕业论文的核心，占主要篇幅；毕业论文内容必须实事求是，客观真切，合乎逻辑，层次分明，语句流畅。毕业论文正文不少于8000字，正文书写的层次顺序采用分级阿拉伯数字，
8.注释正文中的注释一般用页注，在引文出处的右上角标注阿拉伯数字，按每页编排序号，例XXXXXX①，并在当页下方居左注明出处，须具体到页码（网上资料必须注明网址和各级栏目查询序列和时间）。9.图、表及数学公式：为准确表达实验数据、观测结果和研究方案等，应精心设计、绘制图、表，少而精，应具有自明性：1）表内不宜用“同上”、“同左”等类似的词或符号，应当一律填入具体数字或文字。表内“空白”代表无此项，“—”或“…”代表未发现，“0”代表结果为零；2）正文中的公式、算式或方程式因较长须转行时，只能在+、－、×、÷处转行，上下式在“=”处对齐；3）图、表应按正文中出现的顺序连续编号，如第一图应标明图号“图1”；第一表应标明表号“表1”；图、表必须注明简短确切的题名，必要时应注明资料来源。如图例、表例所示。表1 *********图1 ************** 资料来源：**************4）图、表采用5号宋体字。5）一般在文章中先看到图表号及图表的内容提要，图、表在后。6）曲线图的纵横轴必须标注“量、标准规定符号、单位”。坐标上标注的量的符号和缩写词必须与正文一致。10.结论：是最终和总体的结论，不是正文中各段的小结的简单重复。结论应准确、完整、明确、精练。要阐述自己的创造性观点、工作在所研究领域中的应用价值和推广意义。11.后记：即致谢部分。主要感谢导师和对毕业设计（论文）写作有直接贡献及帮助的人士和单位，致谢词诚恳，实事求是，用词恰如其分。
12.参考文献：在正文之后，是作者在毕业设计（论文）中直接引用的参考文献，只限那些亲自阅读过的、主要的及公开发表过的、最新近的文献。正文引用的文献必须出现在参考文献中。参考文献数量应在10篇以上，其中期刊文献占50%以上，国外文献在2篇以上。
正文用小四号宋体。
1、封面，题目：小二号黑体加粗居中。各项内容：四号宋体居中。
2、目录，目录：二号黑体加粗居中。章节条目：五号宋体。行距：单倍行距。
3、论文题目：小一号黑体加粗居中。
4、中文摘要：摘要：小二号黑体加粗居中。摘要内容字体：小四号宋体。
5、关键词：四号宋体，加粗。词3-5个，每个词间空一格。
论文标准格式
1、题目。应能概括整个论文最重要的内容，言简意赅，引人注目，一般不宜超过20个字。
2、论文摘要和关键词。
论文摘要应阐述学位论文的主要观点。说明本论文的目的、研究方法、成果和结论。尽可能保留原论文的基本信息，突出论文的创造性成果和新见解。而不应是各章节标题的简单罗列。摘要以300字左右为宜。关键词是能反映论文主旨最关键的词句，一般3-5个。
3、目录。既是论文的提纲，也是论文组成部分的小标题，应标注相应页码。
4、引言（或序言）。内容应包括本研究领域的国内外现状，本论文所要解决的问题及这项研究工作在经济建设、科技进步和社会发展等方面的理论意义与实用价值。
5、正文。是毕业论文的主体。
毕业论文正文字体大小要求如下：
毕业论文正文包括绪论、正文、各具体章节、结论这四部分，详细的字体要求从绪论开始，正文的起始页，页码从1开始编排，并使用页眉，页眉居中，使用的字体是五号宋体；页脚页码一律用阿拉伯数字连续编，封面、摘要、目录等前置部分，使用字体是小五宋体。
1、绪论
1）、标题"引言"设置成黑体、居中、字号三号、行距倍行距；段前、段后均为行。
2）、引言正文：每段落首行缩进2字、宋体、小四、倍行距；段前、段后均为0行，取消网格对齐选项。
2、正文字体
1）、正文汉字为：宋体、小四。
2）、正文英文为：TimesNewRoman、小四。
3、论文标题字体要求
1）、标题可分为四级，作者可根据论文自身情况决定是否采用四级标题。
2）、一级标题格式，居左，首行缩进两字符，黑体，三号，倍行距，段前、段后均为行。
3）、二级标题格式，居左，首行缩进两字符，黑体，小三，倍行距，段前、段后均为行。
4）、三级标题格式，居左，首行缩进两字，黑体，四号，倍行距，段前、段后均为行。
5）、四级标题格式，居左，首行缩进两字，宋体加粗，小四，倍行距，段前、段后均为行。
4、结束语
1）、标题"结束语"格式：黑体、两端对齐、首行缩进2字符、三号字、倍行距；段前、段后均为行。
2）、结束语正文：每段落首行缩进2字符、宋体、小四、倍行距；段前、段后均为0行。
毕业论文字体大小要求如下：
一、封面题目：小二号黑体加粗居中。各项内容：四号宋体居中。
二、目录目录：二号黑体加粗居中。章节条目：五号宋体。行距：单倍行距。
三、论文题目：小一号黑体加粗居中。
四、中文摘要1、摘要：小二号黑体加粗居中。2、摘要内容字体：小四号宋体。3、字数：300字左右。4、行距：20磅。5、关键词：四号宋体，加粗。词3-5个，每个词间空一格。
五、英文摘要1、ABSTRACT：小二号Times New 、内容字体：小四号Times New 、单倍行距。4、Keywords：四号加粗。词3-5个，小四号Times New Roman.词间空一格。
六、绪论小二号黑体加粗居中。内容500字左右，小四号宋体，行距：20磅
七、正文1、正文用小四号宋体2、安保、管理类毕业论文各章节按照一级标题序号如：一、二、三、标题四号黑体，加粗，顶格。二级标题序号如：（一）（二）（三）标题小四号宋体，不加粗，顶格。三级标题序号如：.标题小四号宋体，不加粗，缩进二个字。
八、结束语小二号黑体加粗居中。内容300字左右，小四号宋体，行距：20磅。
九、致谢小二号黑体加粗居中。内容小四号宋体，行距：20磅。
会。盲审主要还是看论文的逻辑、框架，基本错误不能有，比如错别字、表述不规范，都会影响。盲审指一种组织专家组评审的制度，就是匿名送审，意味着评阅导师不知道论文作者是谁。
1、首先打开论文找到目录小节标题写错的地方。2、其次进行小标题改正。3、最后将论文修改后的重新提交审核即可。
毕业论文系统怎么修改题目：
1.如果是论文刚开始，想换已经提交系统的论题，可以和导师沟通，看看能不能换，如果能换，具体怎么操作、怎么走流程，以学校要求为准。
2.如果是论文定稿上传系统，甚至答辩后要换题目，并且是仅仅换一两个字，可以导师沟通，看看评委老师的意见是否值得采纳。
毕业论文（graduation study），按一门课程计，是普通中等专业学校、高等专科学校、本科院校、高等教育自学考试本科及研究生学历专业教育学业的最后一个环节，为对本专业学生集中进行科学研究训练而要求学生在毕业前总结性独立作业、撰写的论文。
从文体而言，它也是对某一专业领域的现实问题或理论问题进行 科学研究探索的具有一定意义的论文。一般安排在修业的最后一学年（学期）进行。学生须在教师指导下，选定课题进行研究，撰写并提交论文。目的在于培养学生的科学研究能力；加强综合运用所学知识、理论和技能解决实际问题的训练；从总体上考查学生学习所达到的学业水平。
论文题目由教师指定或由学生提出，经教师同意确定。均应是本专业学科发展或实践中提出的理论问题和实际问题。通过这一环节，应使学生受到有关科学研究选题，查阅、评述文献，制订研究方案，设计进行科学实验或社会调查，处理数据或整理调查结果，对结果进行分析、论证并得出结论，撰写论文等项初步训练。
可能会有影响。如果不经过慎重考虑改题目可能会导致内容与题目不符，导致外审不合格。在题目方面不应该有大的变动，做一些细微的变化还是可以的，当然怎么变化还是取决于学生和导师商讨后再做决策。