发布时间：
常常有同学问我： 检测报告上为什么引用也给我标红了？ 论文是不是标上引用符号[1][2][3]就不会检测出来了？ 引用的内容要怎么标注才不会重复？ …… 这些问题汇总成一句话就是，想要原封不动地引用原文，又想要重复率合格。 众所周知鱼和熊掌不可兼得，所以，这是不可能的！ 我可能要让各位失望了，先扔下一句话： 引用的内容，只要重复，就会被查重系统检测出来。 无论是被识别为引用还是抄袭，都会算进重复率，需要修改。 回想了下所有的论文检测系统： 万方 知网 turnitin PPYY PP PT paperfree paperright gocheck 维普…… 区分了引用和抄袭的系统只有知网和gocheck（格子达）。 gocheck：总相似比=复写率+引用率 知网：总复制比=抄袭率+引用率 但是注意！！！ 不管是知网还是gocheck，引用的内容都是算进重复率的！！ 以最新版知网为例，引用为绿色，抄袭为红色，重复字数=绿字+红字，重复率=重复字数÷总字数。 我见过的几百上千篇论文里， 仅有一个发慈悲的学校要求“去除引用复制比”低于X%，其他所有学校都是看“总文字复制比”。 换句话说，引用+抄袭的字数必须低于全文字数的X%，就算被识别为引用又怎样，也一样需要修改，不然重复率只有up up up！ 再多嘴一句，gocheck最变态的在于，不管是什么内容，只要标上了[1][2][3]这种引用标的地方，一律识别为引用！！不管怎么改重复率都降不下来，只有把引用标删掉，或者做成尾注。 由于80%+学校都是用知网，下面主要以知网系统为例进行说明。 如何引用，不会被检测出来？ 这个问题其实可以转化为，怎样不被查重系统认为和别的文献重复？ 1.间接引用， 也就是把“引用的原文”复述一遍，只是把原文的意思表达出来，而不是照搬原文原句。这也是降低重复率的内涵。 2.知网系统的检测灵敏度阀值是， 也就是说对单篇文献的抄袭或引用低于的内容是检测不出来的，比如全文10000字，抄袭某篇文章30字以下，不算重复。【30字也就两句话吧？！那得抄333篇才能凑齐10000字，而且内容连贯才行，操作难度真大。 如果非要纠结 怎样会被查重系统识别为引用， 其实没有一定规律，通常打引号，特别是引用人物或书本的原话，会识别： 但并不是打了冒号或引号的内容都会识别为引用，也不是没打冒号或引号的都不会识别为引用，比如下面这个： 完全搞不懂知网是怎么分的引用和抄袭，都是正常的叙述语言，无冒号无引号。 所以经过大量实践总结， 知网如何识别引用：看心情。 不过不用纠结这个，不管是引用还是抄袭，都需要修改才能真正降低重复率，所以别挣扎了，安心改就是了。 关于引用的科普先写到这里，不清楚的地方请留言。 需要论文查重降重随时联系我哦！(o´ω`o) 毕业季要来啦，需要论文查重/降重的同学赶紧联系我哦! 扣扣/微信:378844613 淘宝店:一枚猫奴 知乎:Giggles
就我们都知道的，不管你是硕士还是博士，亦或是本科，想要顺利毕业，拿到学位证书，就需要通过学校的论文查重。早检测我看到网上不少同学抱怨检测系统不够智能，论文中引用的文献和自写部分都被标记为抄袭，更有同学为了论文降重，连续通宵几个晚上，已处于崩溃边缘。早检测我之前整理过一篇文章：有了这些降重技巧，毕业论文查重不过就算我输。希望能帮到正在为修改论文而烦恼的同学。说回正题，现在论文查重的检测报告很详细，各种名目都列举在报告上，那么问题也随着而来了。很多人，包括我接触查重系统之前，也是对“引用率”和“复写率”的意思也是很不理解的，现在既然我理解了，自然也要为大家解疑答惑了。 一、引用率 引用率：即引用文献资料的字数和总的论文检测的字数的比重☞引用文献字数/论文检测总字数=引用率 在这里，早检测我要强调：引用文献跟论文抄袭是很不同的。 引用就是借用别人的文字、语句来表达自己的观点； 抄袭则是将别人的东西原封不动的照搬过去； 区别这两者最大的判断依据就是“引用符号”的使用，你用对了，就是引用，用错了，就是抄袭。 大概是发现这个原理，很多同学用“引号”来降重，而现在大部分高校都有明确规定，引号不能无节制的使用，过度使用引号，论文查重系统也是会判定为抄袭的。 比如说，单一的段落，如果你的引用部分超过10%，论文检测系统就会判定为抄袭，更别提引号符号未使用正确了。 二、复写率 复写率：就是你的论文中与该检测系统收录的所有文献中相似的部分（不包括参考引用部分）占整个送检论文的比重。☞相似部分/论文检测总字数=复写率 对于论文检测报告中关于“引用率”和“复写率”内容就是介绍到这里，希望各位同学在写论文时注意不要过度引用，最好是看清楚学校的规定然后再开始写论文，最大程度的降低查重率。论文查重率高的同学可以了解下早检测我在文章开头说过的降重文章，希望对各位有帮助。 早检测论文查重系统我祝大家顺利通过~~~
知网查重是多数搞定定稿检测系统，一般学校提供1-2次免费查重机会，前期初稿检测可以使用paper系列进行检测，PaperFree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。
说到论文写作，还有一个非常关键的步骤，那就是测试论文。许多学生不明白论文检测是如何检测的。下面和paperfree小编一起来了解一下论文检测系统怎么检测的？ 检测论文检测系统时，有自己的算法和运行系统。它由专业人员在后台维护。对于用户，只需将论文上传到论文检测系统并提交检测即可。论文检测系统只需要按照指定的程序进行检测，还需要注意的是，我们在选择论文检测系统时需要谨慎。 在选择论文检测系统时，建议选择好评度高、可靠的检测系统。一般来说，许多学生只知道盲目地写论文，所以学校的检测标准没有及时理解，例如，如果学校要求你进行全文检测，你只得到一个文本检测。学校要求正文检测，你要做全文检测。这与学校要求的检测标准不同，你检测到的结果也不准确。在这方面，我们需要了解学校的检测要求。选择相应的论文检测系统，然后将论文上传到选定的论文检测系统进行检测，完成整个论文检测过程。 论文写作过程中允许引用，但必须标注引用部分的格式。避免这部分参与查重。
学生必须知道论文，测试的重要性，因为如果你的论文，测试不达标，即使你的论文写得好也没有，因为你没有资格参加论文答辩，如果你不参加论文答辩，你将无法完成四年的学业也无法获得学位证书，其实我们的论文检查很简单都是接触论文潜在系完成的，你只需要在写完论文后调整格式。然后上传到相应的论文，查重新检测系统提交论文查重检测一般来说，学校。论文的查重率要求在30%以下30%对大多数学生来说，并不难，总之在写论文的过程中多花点心，肯定能通过论文查重。
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。
尾部普论文检测晚上无法登录的原因如下：1，系统堵塞或网络不好。2，如果在图书馆直接从资源列表可以进入，如果在家，要先通过读者门户系统登录，之后才可以使用。3，可能是浏览器或者是设备问题，更换一下登录浏览器或设备。
维普论文未检测有多种原因。1、首先文档命名格式不正确，用户需要修改文档格式为姓名加学号加论文题目。2、参考文献格式错误，维普只能识别半角英文状态下输入文献标注格式，并且标注格式一定要正确。专业老师在线权威答疑
问题一：在万方和维普上检测论文，结果两个网站给出的相似度差很多，到底哪个更准一些啊 给大家分享下测试论文的经验，经过我对于万方，维普以及拷克的检测发现，万方的数据明显低于拷克和维普，维普测试出来的数据最大，我在万方测试是4%，拷克是7%，维普是27%。然后看维普的检测报告发现，维普会把你引用的文段全部标红显示并且基本上引用的一个不漏给你表明，但是有一部分是自己写的却被无缘无故标为引用的（这点相当的莫名其妙），总之维普的可能数据高点可以吓吓人，让大家对论文更加用心一点。再者，大家用维普还是靠谱一点，毕竟花1块钱的万方买个不安心，不如花个10块钱买个维普检测一下，拷克嘛，不要考虑了，价格跟维普一样，但是数值明显低了。总感觉高了总比低了好。大家就参考下哈。 问题二：维普检测怎么样？靠谱么 还行吧，可以好几个系统结合起来测下， 维普 或者 writepass或者 万方 每个系统数据库有差别，多测几个有助于发现问题。 问题三：维普论文检测系统怎么样？用过的同学说一下，谢谢 维普官方论文检测的优势： 用户自助检测操作整个检测流程上传论文、查看检测报告订部用户自己完成。 检测报告全文标红抄袭段落及语句方便用户修改不当引用。 收费合理用户论文修改过程中可以反复检测使用降低使用成本。 问题四：维普检测到底准确吗？ 一、这是因为维普算法的问题，每次检测都要自动分段，与系统开发者设置的阈值有关，也可能是系统升级的原因。但是只要您把第一次标红内容都修改了，第二次检测不管会不会出现新抄袭段落复制比都会降低的。 二、可能你使用的检测系统问题，比如说不是官方直连的接口，所以可能结果跟官方的不一样。 建议你到专业的检测网站进行查重。 你点我的名字，在我的资料里有一个专业从事论文检测的网站，你可以试试。 问题五：求维普论文检测系统与知网论文检测系统差别 维普论文检测的优势： 用户自助检测操作整个检测流程上传论文、查看检测报告全部用户自己完成 检测报告全文标红抄袭段落及语句方便用户修改不当引用 收费合理用户论文修改过程中可以反复检测使用降低使用成本 与知网系统相比： 维普官方论文检测不与之同平 *** 全可以避免提前检测预警，同时维普提供使用自建库功能，此功能可以帮助用户将抄袭率降到最低 ,绝对安全地通过学校的论文检测。 第一步：初稿一般重复率会比较高(除非你是自己一字一句写的大神)，可以采用万方、papertest去检测，然后逐句修改。这个系统是逐句检测的，也就是说你抄的任何一句话都会被检测出来。这种检测算法比较严格，从程序的角度分析这种算法比较简单。因而网上卖的都很便宜，我测的是3万字，感觉还是物美价廉的。(注意：1 这个库不包含你上一届研究生师兄的大论文，修改一定注意. 2 个人建议如果学校是用万方检测，就不要去检测维普之类的 先把论文电子版复制一份，保存一份。看检测结果，其中一份复制的备份论文，把检测出重复的部分能删了先删了，把不能删的，15字以内改一改，最好是加减字符，不要改顺序，改顺序没太大用，参考文献删掉一部分，不能删的话，先改下，英文文献可以15个字符换一个词。把修改过的上交，重新过系统检查。保存的原论文稍做改动上交纸质版。那个系统很麻烦的，很多没看过没应用过的文献都能给你加上，可见中国人抄袭的功夫，都是互相抄，但是为了保证论文的完整性和表述的准确性，不要随意改动，上交的纸质版，一定要斟酌，一般检查完就不会再过检测系统了，所以纸质版的不用担心。 第二步：经过修改后，重复率大幅下降了。这时你可以用知网查了，知网查重系统是逐段检测的，比较智能。检测后再做局部修改就基本上大功告成了，我最后在网上用知网查是4%，简单修改后，在学校查是。 注意：记住，最忌讳的是为了查重，把论文语句改得语句不通、毫无逻辑，这样是逃不过老师的，哈哈，大家加油！ 关于知网相关抽查规定： 有规定的，可以进行第一次修改，修改之后通过就可以答辩，如果第二次不通过就算结业，在之后4个月内还要交论文或者设计的。这个是在抄袭30%的基础上的。 如果抄袭50%以上的话，直接结业 在之后4个月内还要交论文或者设计的。1．被认定为抄袭的本科毕业设计（论文），包括与他人已有论文、著作重复总字数比例在30%至50%（含50%）之间的，需经本人修改。修改后经过再次检测合格后，方可参加学院答辩。再次检测后仍不合格的，按结业处理。须在3 个月后提交改写完成的毕业设计（论文），检测合格后再参加答辩。2．被认定为抄袭的本科毕业设计（论文），且与他人已有论文、著作重复总字数比例超过50%的，直接按结业处理。须在4 个月后提交改写的毕业设计（论文），检测合格后再参加答辩。 知网系统计算标准详细说明： 1．看了一下这个系统的介绍，有个疑问，这套系统对于文字复制鉴别还是不错的，但对于其他方面的内容呢，比如数据，图表，能检出来吗？检不出来的话不还是没什么用吗？ 学术不端的各种行为中，文字复制是最为普遍和严重的，目前本检测系统对文字复制的检测已经达到相当高的水平，对于图表、公式、数据的抄袭和篡改等行为的检测，目前正在研发当中，且取得了比较大的进展，欢迎各位继续关注本检测系统的进展并多提批评性及建设性意见和建议。 2．按照这个系统39%以下的都是显示黄色,那么是否意味着在可容忍的限度内呢?最近看到对上海大学某教师的国家社科基金课题被撤消的消息,原因是其发表的两篇论文有抄袭行为,分别占到25%和30%.请明示超过多少算是警戒线？......>> 问题六：维普论文检测系统 研究生版 怎么样 （1）联系工作实际 选题要结合我国行政管理实践（特别是自身工作实际），提倡选择应用性较强的课题，特别鼓励结合当前社会实践亟待解决的实际问题进行研究。建议立足于本地甚至是本单位的工作进行选题。选题时可以考虑选些与自己工作有关的论题，将理论与实践紧密结合起来，使自己的实践工作经验上升为理论，或者以自己通过大学学习所掌握到的理论去分析和解决一些引起实际工作问题。 （2）选题适当 所谓选题要适当，就是指如何掌握好论题的广度与深度。选题要适当包括有两层意思： 一是题目的大小要适当。题目的大小，也就是论题涉及内容的广度。确定题目的大小，要根据自己的写作能力而定。如果题目过大，为了论证好选题，需要组织的内容多，重点不易把握，论述难以深入，加上写作时间有限，最后会因力不胜任，难以完成，导致中途流产或者失败。相反，题目太小了，轻而易举，不费功夫，这样又往往反映不出学员通过几年大学阶段学习所掌握的知识水平，也失去从中锻炼和提高写作能力的机会，同时由于题目较小，难以展开论述，在字数上很难达到规定字数要求。此外，论文题目过小也不利于论文写作，结果为了凑字数，结尾部分东拼西凑，结构十分混乱。 二题目的难易程度要适当。题目的难易程度，也就是论题涉及的深度。确定题目的难易，也要根据自己的写作能力而定，量力而为。题目难度过大，学员除了知识结构、时间和精力的限制外，资料搜集方面也有局限。这样，就会带来一些意想不到的困难，致使论文写了一半就写不下去了，中途要求另选题目。所以，在这个问题上的正确态度应该是：既不要脱离实际，好高骛远，去选一些自己不可能写好的论题；又不能贪图轻便，降低要求，去写一些随手可得的论题。 （3）选题要新意 所谓要有新意，就是要从自己已经掌握的理论知识出发，在研究前人研究成果的基础上，善于发现新问题，敢于提出前人没有提出过的，或者虽已提出来，但尚未得到定论或者未完全解决的问题。只要自己的论文观点正确鲜明，材料真实充分，论证深刻有力，也可能填补我国理论界对某些方面研究的空白，或者对以前有关学说的不足进行补充、深化和修正。这样，也就使论文具有新意，具有独创性。 问题七：维普论文检测关于文献的问题，懂的进来解释下。 60分 维普是逻辑运算法，很不严谨。 第一步：初稿一般重复率会比较高(除非你是自己一字一句写的大神)，可以采用万方、papertest去检测，然后逐句修改。这个系统是逐句检测的，也就是说你抄的任何一句话都会被检测出来。这种检测算法比较严格，从程序的角度分析这种算法比较简单。因而网上卖的都很便宜，我测的是3万字，感觉还是物美价廉的。(注意：1 这个库不包含你上一届研究生师兄的大论文，修改一定注意. 2 个人建议如果学校是用万方检测，就不要去检测维普之类的 先把论文电子版复制一份，保存一份。看检测结果，其中一份复制的备份论文，把检测出重复的部分能删了先删了，把不能删的，15字以内改一改，最好是加减字符，不要改顺序，改顺序没太大用，参考文献删掉一部分，不能删的话，先改下，英文文献可以15个字符换一个词。把修改过的上交，重新过系统检查。保存的原论文稍做改动上交纸质版。那个系统很麻烦的，很多没看过没应用过的文献都能给你加上，可见中国人抄袭的功夫，都是互相抄，但是为了保证论文的完整性和表述的准确性，不要随意改动，上交的纸质版，一定要斟酌，一般检查完就不会再过检测系统了，所以纸质版的不用担心。 第二步：经过修改后，重复率大幅下降了。这时你可以用知网查了，知网查重系统是逐段检测的，比较智能。检测后再做局部修改就基本上大功告成了，我最后在网上用知网查是4%，简单修改后，在学校查是。 注意：记住，最忌讳的是为了查重，把论文语句改得语句不通、毫无逻辑，这样是逃不过老师的，哈哈，大家加油！ 关于知网相关抽查规定： 有规定的，可以进行第一次修改，修改之后通过就可以答辩，如果第二次不通过就算结业，在之后4个月内还要交论文或者设计的。这个是在抄袭30%的基础上的。 如果抄袭50%以上的话，直接结业 在之后4个月内还要交论文或者设计的。1．被认定为抄袭的本科毕业设计（论文），包括与他人已有论文、著作重复总字数比例在30%至50%（含50%）之间的，需经本人修改。修改后经过再次检测合格后，方可参加学院答辩。再次检测后仍不合格的，按结业处理。须在3 个月后提交改写完成的毕业设计（论文），检测合格后再参加答辩。2．被认定为抄袭的本科毕业设计（论文），且与他人已有论文、著作重复总字数比例超过50%的，直接按结业处理。须在4 个月后提交改写的毕业设计（论文），检测合格后再参加答辩。 知网系统计算标准详细说明： 1．看了一下这个系统的介绍，有个疑问，这套系统对于文字复制鉴别还是不错的，但对于其他方面的内容呢，比如数据，图表，能检出来吗？检不出来的话不还是没什么用吗？ 学术不端的各种行为中，文字复制是最为普遍和严重的，目前本检测系统对文字复制的检测已经达到相当高的水平，对于图表、公式、数据的抄袭和篡改等行为的检测，目前正在研发当中，且取得了比较大的进展，欢迎各位继续关注本检测系统的进展并多提批评性及建设性意见和建议。 2．按照这个系统39%以下的都是显示黄色,那么是否意味着在可容忍的限度内呢?最近看到对上海大学某教师的国家社科基金课题被撤消的消息,原因是其发表的两篇论文有抄袭行为,分别占到25%和30%.请明示超过多少算是警戒线？ 百分比只是描述检测文献中重合文字所占的比例大小程度，并不是指该文献的抄袭严重程度。只能这么说，百分比越大，重合字数越多，存在抄袭的可能性越大。是否属于抄袭及抄袭的严重程度需由专家审查后决定。 3．如何防止学位论文学术不端行为检测系统成为个人报复的平台？ 这也是我们在认真考虑的事情，目前这套检测系统还只是在......>> 问题八：维普论文查重是以怎样的方式查的？像知网是只要不是13个字连在一起就可以不被查出来 那维普呢 10分 你好，目前论文的重复率是13个连在一起就会被查出来的 不管是用维普的还是知网的都可以的 部分的学校用的是为普的 结果还是不错的 希望对你有帮助的，如果还有不清楚的可以在问我，或者是点加我一下哦 问题九：维普论文查重需要多久可以看报告 论文查重一般是需要检测在2-5分钟的时间就可以查看查重报告 PaperRater论文查重需要2-5分钟左右，查重的话具体查重报告时间主要还是需要看论文的长度，论文长度影响检测报告时间的查重PaperRater论文查重跟知网检测要便宜但是检测精准度比知网还要严格 精准
每个学校对毕业论文都是要进行论文查重检测的，要是论文重复率过高的话，也许是会导致无法正常毕业的。很多人都想了解一下毕业论文查重内容，毕竟每个学校对论文查重检测内容和要求也许是会有一定的差异性，要是真的可以确定好哪些内容不查重，我们是可以把这部分内容不进行修改调整的，是可以大大降低工作量的，所以论文查重检测的具体内容要提前了解好。肯定不会查重的内容大家想了解毕业论文查重内容，也是希望可以降低论文重复率，顺利通过学校审核。有些内容确实是每个学校都不会进行查重检测的，比如封面页和附录的目录页等一般都不会进行查重。学校也是会给出论文格式要求的，按照要求正确的格式进行处理，很多内容是不会被查重检测的。一定会查重的内容论文内容有一些是一定要进行查重检测的，比如目录和大纲摘要等都是要进行查重检测的，所以这些内容是要特别注意的。要是可以提前进行论文查重检测，把标红部分进行修改调整，是不会出现太严重的问题，论文查重率都不会很高。也许会被查重的内容因为学校最后是会要求我们先对论文内容进行整理，论文格式是一定要修改调整好，而且有一部分内容也许会要求我们删除掉，但一些内容也许是要进行查重检测的。比如论文致谢部分就可能被查重，也有可能无需提交进行查重，要是致谢部分也要求进行查重检测的话，我们是要提前做好论文查重检测工作的，提前修改调整好，让论文重复率在学校的要求范围内。只有了解毕业论文查重内容后，根据学校的要求进行最后提交的相应论文内容才可以通过审核。根据学校要求提交的论文内容，把毕业论文查重内容调整好，这样论论文查重检测是可以顺利通过的。
根据官网介绍，维普论文查重是通过采用空间向量余弦算法，检测到文章中存在的抄袭和不当引用现象，实现了对学术不端行为的检测服务。包含已发表文献检测、论文检测、自建比对库管理等功能。
维普论文检测官方网站（VPCS），由维普旗下泛语科技研发并运营，是目前权威的论文查重平台之一，提供论文检测、报告下载、报告验真、机构用户检测、毕业论文管理、作业管理等服务。
维普检测系统是国内老牌的、比较可靠的论文检测系统。国内高校论文主要采用知网、维普。维普论文检测系统，是市场上比较严格的几大系统之一，特别是很多北京、湖南、重庆等高校都将它视为毕业生首选检测系统。
维普论文检测相对于万方检测来说要严格很多，其特有的中外文学期刊和学术论文以及十亿中英文互联网资源，有效确保了论文检测的精准度，特别适合对检测报告有严格要求的同学检测。
扩展资料
不同检测系统检测出来的重复率不一样，不同学校规定的重复率和使用的检测系统也不一样，要根据学校的要求选择相应的监测系统进行查重，国内大多数高校采用的是知网查重。
不论是知网查重还是维普，亦或是paperpass之类的软件，都是通过收录海量的文献库，再通过本身特定的算法，比待检测的论文跟自身文献库进行比对查重原理，进而生成检测报告。
可以免费论文查重的系统，下面给你分享一些：1，蝌蚪论文查重（免费）专业版每天免费查重一次，非常适合初稿检测，不花钱。3，论文狗（免费）专业版每天免费查重一次，适合初稿检测4，paperpp（可免费）关注送5000字免费查重5，papertime（可免费）关注领取10000字免费查重6，渣搜paperfree（可免费）关注领取10000字免费查重7，paperOK（可免费）关注领取10000字免费查重8、paperpass（可免费）关注领取1000字免费查重，旗舰版付费检测，支持在线降重9，paperccb（免费）专业版每天免费查重一次，适合初稿检测完毕！
山西省维普毕业论文管理系统账号登录不上可能是系统堵塞或者网络不好，可以等一会在登陆试试。维普-通达论文引用检测系统（简称VTTMS）是由重庆维普资讯有限公司与通达恒远（北京）信息技术有限公司共同研制而成，该系统结合了维普资讯的数据资源优势与通达的数据挖掘技术并成功地应用在大规模文本比对领域上的创新产品。通过对文档关键语义片段的识别、检测，可检测出文档中存在的不当引用、过度以用，甚至是抄袭等现象，并计算出文档的引用率、复写率和自写率等重要指标，为各级论文评定、检测、发表机构提供论文评定和论文收录的检测依据。专业老师在线权威答疑
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。
雷锋网 AI 科技评论按： 百度研究院、华中科技大学、悉尼科技大学联合新作——关于无监督领域自适应语义分割的论文《 Taking A Closer Look at Domain Shift: Category-level Adversaries for Semantics Consistent Domain Adaptation》被 CCF A 类学术会议 CVPR2019 收录为 Oral 论文 。该论文提出了一种从「虚拟域」泛化到「现实域」的无监督语义分割算法，旨在利用易获取的虚拟场景标注数据来完成对标注成本高昂的现实场景数据的语义分割，大大减少了人工标注成本。 本文是论文作者之一罗亚威为雷锋网 AI 科技评论提供的论文解读。 论文地址： 1.问题背景 基于深度学习的语义分割方法效果出众，但需要大量的人工标注进行监督训练。不同于图像分类等任务，语义分割需要像素级别的人工标注，费时费力，无法大规模实施。借助于计算机虚拟图像技术，如3D游戏，用户可以几乎无成本地获得无限量自动标注数据。然而虚拟图像和现实图像间存在严重的视觉差异（域偏移），如纹理、光照、视角差异等等，这些差异导致在虚拟图像上训练出的深度模型往往在真实图像数据集上的分割精度很低。 2. 传统方法 针对上述域偏移问题，一种广泛采用的方法是在网络中加入一个域判别器Discriminator (D），利用对抗训练的机制，减少源域Source (S）和目标域Target（T）之间不同分布的差异，以加强原始网络（G）在域间的泛化能力。方法具体包括两方面： （1）利用源域的有标签数据进行有监督学习，提取领域知识： 其中Xs，Ys为源域数据及其对应标签。 （2）通过对抗学习，降低域判别器（D）的精度，以对齐源域与目标域的特征分布： 其中XT为目标域数据，无标签。 3.我们针对传统方法的改进 以上基于对抗学习的传统域适应方法只能对齐全局特征分布（Marginal Distribution），而忽略了不同域之间，相同语义特征的语义一致性（Joint Distribution），在训练过程中容易造成负迁移，如图2（a）所示。举例来说，目标域中的车辆这一类，可能与源域中的车辆在视觉上是接近的。因此，在没有经过域适应算法之前，目标域车辆也能够被正确分割。然而，为了迎合传统方法的全局对齐，目标域中的车辆特征反而有可能会被映射到源域中的其他类别，如火车等，造成语义不一致。 针对这一问题，我们在今年CVPR的论文中，向对抗学习框架里加入了联合训练的思想，解决了传统域适应方法中的语义不一致性和负迁移等键问题。具体做法见图2（b），我们采用了两个互斥分类器对目标域特征进行分类。当两个分类器给出的预测很一致时，我们认为该特征已经能被很好的分类，语义一致性较高，所以应减少全局对齐策略对这些特征产生的负面影响。反之，当两个分类器给出的预测不一致，说明该目标域特征还未被很好地分类，依然需要用对抗损失进行与源域特征的对齐。所以应加大对齐力度，使其尽快和源域特征对应。 4.网络结构 为了实现上述语义级对抗目标，我们提出了Category-Level Adversarial Network (CLAN)。 遵循联合训练的思想，我们在生成网络中采用了互斥分类器的结构，以判断目标域的隐层特征是否已达到了局部语义对齐。在后续对抗训练时， 网络依据互斥分类器产生的两个预测向量之差（Discrepancy）来对判别网络所反馈的对抗损失进行加权。网络结构如下图3所示。 图3中，橙色的线条表示源域流，蓝色的线条表示目标域流，绿色的双箭头表示我们在训练中强迫两个分类器的参数正交，以达到互斥分类器的目的。源域流和传统的方法并无很大不同，唯一的区别是我们集成了互斥分类器产生的预测作为源域的集成预测。该预测一方面被标签监督，产生分割损失（Segmentation Loss），如式（3）所示： 另一方面，该预测进入判别器D，作为源域样本。 绿色的双箭头处，我们使用余弦距离作为损失，训练两个分类器产生不同的模型参数： 目标域流中，集成预测同样进入判别器D。不同的是，我们维持两个分类器预测的差值，作为局部对齐程度的依据 (local alignment score map）。该差值与D所反馈的损失相乘，生成语义级别的对抗损失： 该策略加大了语义不一致特征的对齐力度，而减弱了语义一致的特征受全局对齐的影响，从而加强了特征间的语义对齐，防止了负迁移的产生。 最后，根据以上三个损失，我们可以得出最终的总体损失函数： 基于以上损失函数，算法整体的优化目标为： 在训练中，我们交替优化G和D，直至损失收敛。 5. 特征空间分析 我们重点关注不常见类，如图4（a）中黄框内的柱子，交通标志。这些类经过传统方法的分布对齐，反而在分割结果中消失了。结合特征的t-SNE图，我们可以得出结论，有些类的特征在没有进行域迁移之前，就已经是对齐的。传统的全局域适应方法反而会破坏这种语义一致性，造成负迁移。而我们提出的语义级别对抗降低了全局对齐对这些已对齐类的影响，很好的解决了这一问题。 6. 实验结果 我们在两个域适应语义分割任务，即GTA5 -> Cityscapes 和 SYNTHIA -> Cityscapes 上进行了实验验证。我们采用最常见的Insertion over Union作为分割精度的衡量指标，实验结果如下。从表1和表2中可以看出，在不同网络结构（VGG16，ResNet101）中，我们的方法（CLAN）域适应效果都达到了 state-of-the-art的精度。特别的，在一些不常见类上（用蓝色表示），传统方法容易造成负迁移，而CLAN明显要优于其他方法。 表 1. 由虚拟数据集GTA5 迁移至真实数据集 Cityscapes 的域适应分割精度对比。 表 2. 由虚拟数据集SYNTHIA 迁移至真实数据集 Cityscapes 的域适应分割精度对比。 第二个实验中，我们了展示隐空间层面，源域和目标域间同语义特征簇的中心距离。该距离越小，说明两个域间的语义对齐越好。结果见图 5。 最后，我们给出分割结果的可视化效果。我们的算法大大提高了分割精度。 7. 总结 《Taking A Closer Look at Domain Shift: Category-level Adversaries for Semantics Consistent Domain Adaptation》引入了联合训练结合对抗学习的设计，在无监督域适应语义分割任务中取得了较好的实验结果。该算法能应用前景广泛，比如能够很好地应用到自动驾驶中，让车辆在不同的驾驶环境中也能保持鲁棒的街景识别率。 最后 CVPR 2019 Oral 论文精选汇总，值得一看的 CV 论文都在这里（持续更新中）CVPR 2019 即将于 6 月在美国长滩召开。今年有超过 5165 篇的大会论文投稿，最终录取 1299 篇，其中 Oral 论文近 300 篇。为了方便社区开发者和学术青年查找和阅读高价值论文，AI 研习社从入选的 Oral 论文中，按应用方向挑选了部分精华论文，贴在本文，打开链接即可查看~
论文: Region Proposal by Guided Anchoring
Anchor是许多目标检测算法中一个很重要的机制，但也会带来两个问题：
为此，论文提出Guided Anchoring来根据图片特征在线生成anchor。首先判断目标可能出现的位置，然后学习不同位置上的目标的形状，可根据图片特征在线学习稀疏的候选anchor。然而，在线生成的anchor形状各异，固定的感受域可能不匹配其形状，所以Guided Anchoring根据anchor的形状进行自适应特征提取，然后再进行预测框精调与分类。
Guided Anchoring尝试在线学习不同形状的anchor及其位置，得到在特征图上不均匀分布的anchor集合。目标可用四元组 表示，其位置和形状可认为是服从图像 的一种分布：
公式1包含两部分：1) 给定图片，目标仅存在于某些区域 2) 形状与位置紧密相关。
基于公式1，论文设计了图1的anchor生成器(Anchor generation)，包含位置预测和形状预测两个分支。给定图片 ，首先得到特征图 ，位置预测分支根据 预测该像素为目标位置的概率，形状预测分支则预测像素位置相关的形状，基于两个分支选择概率高于阈值以及每个位置最合适的anchor，得到最终的anchor集合。由于集合中的anchor形状可能差异很大，每个位置需要获取不同大小区域的特征，论文提出特征自适应模块(Feature adaption)，根据anchor形状自适应提取特征。 上述的生成过程是基于单个特征的，网络的整体架构包含FPN，所以为每层都配备Guided anchoring模块，模块参数是层间共享的。
位置预测分支预测特征图 的概率图 ，每项 为该位置是目标中心的概率，对应的输入图片中坐标 ， 为特征图的stride。 在实现时，通过子网 进行概率图预测，首先使用 卷积提取主干网络特征图 的objectness分数，再通过element-wise sigmoid函数转化概率。更复杂的子网可以带来更高的准确率，论文采用的是准确率和速度最实惠的结构，最后取高于阈值 的像素位置，能够保证在高召回的前提下过滤90%的无关区域。
形状预测分支的目标是预测每个位置对应目标的最佳形状 ，但由于过大的数值范围，如果直接预测其具体数字会十分不稳定，所以先进行转化：
形状预测分支输出 和 ，根据公式2转换出形状 ， 为特征图的stride， 为人工设置的缩放因子。这个非线性转换可将[0, 1000]映射到[-1, 1]，更容易学习。在实现时，通过子网 进行形状预测，首先使用 卷积获得两维特征图，分别对应 和 ，然后通过公式2进行转换。由于每个位置的anchor都是学习来的，与预设的固定anchor对比，这种学习的anchor召回率更高。
常规的预设anchor方法由于各位置的anchor是一样的，可以对每个位置进行一样的特征提取，然后再调整anchor和预测分类。但Guided Anchoring每个位置的anchor各不一样，理想情况下，较大的anchor需要较大的感受域特征，反之则需要较小的感受域特征，所以论文设计了基于anchor形状的特征自适应模块(anchor-guided feature adaptation component)，根据每个位置的anchor形状转换特征：
为 位置的特征， 为对应的anchor形状， 为 可变形卷积，变形卷积的偏移值由 卷积将位置预测分支输出转换获得， 为自适应特征，用于后续的anchor调整以及分类预测，具体见图1。
网络的整体损失函数由4部分构成，分别是分类损失、回归损失、anchor位置损失以及anchor形状损失：
假设目标 在特征图上的映射为 ，定义以下三种区域：
主干网络使用了FPN，FPN的每层应该只负责特定大小范围内的目标的训练。由于相邻层的特征相似，所以将IR区域映射到相邻层，这时的IR区域不考虑CR区域，区域内同样不参与训练，如图2所示。当多个目标重叠时，CR区域优先于IR区域，IR区域优先于OR区域，训练采用Focal loss。
首先，定义动态anchor 与GT间的最优问题为：
如果对每个位置都进行公式5的求解，这计算量会相当大，为此，论文用采样的方法来逼近公式5，采样的范围为常见的anchor样例，比如RetinaNet的9种anchor。对于每个位置，选择IoU最大的anchor作为公式5的结果。采样的范围越大，anchor的生成结果更准，但会带来更多的额外计算量，anchor的采用smooth-L1训练：
将Guided Anchoring嵌入RPN得到增强型GA-RPN，与原版进行对比，从图3可以看到：
从结果来看，GA-RPN的效果比RPN好很多，论文直接将RPN替换GA-RPN仅带来小于1的AP提升。根据观察发现，使用高质量候选框的前提是，需要根据候选框的分布来调整训练数据的分布。所以，在使用GA-RPN时，需要设置更高的正负样本阈值，让网络更加关注高质量的候选框。另外，论文发现GA-RPN也可以fine-tune的形式boost两阶段检测器的性能，给定训练好的检测模型，将RPN替换为GA-RPN进行几轮迭代，能带来不错的性能提升。
与各种候选框方法进行对比。
嵌入效果对比。
fine-tune对比。
Guided Anchoring通过在线生成anchor的方式解决常规手工预设anchor存在的问题，以及能够根据生成的anchor自适应特征，在嵌入方面提供了两种实施方法，是一个很完整的解决方案。但有个不好的点在于anchor target的生成，为了保证性能弄得不够完美，希望有人能提出更准确且高效的公式5解决方案。