发布时间：
最近看到许多同学为了找到大论文中的创新点是殚精竭虑，每天在教研室是如坐针毡，非常的痛苦。我个人觉得，创新点就像是机遇一样，说来就来，说走就走。李开复老师曾经说过，创新是需要积累的。在找到创新点之前，我们需要大量地阅读相关的论文或书籍，并反复地比较相关理论或模型的异同。如此这般，才能有创新的火花在我们的大脑中迸发出来！ 就个人而言，我喜欢将看过的论文都记录下来，以备以后查看。据不完全统计，我已经阅读了中文小论文106篇，英文小论文35篇，中文大论文(优秀硕士或博士论文)27篇。在写小论文或大论文的时候，我就将看过的论文记录拿出来再阅读几遍，发现彼此之间的相同或相似之处。对于有可能会产生创新点的论文，我会反复阅读，直至彻底理解为止。我写的小论文和大论文中的某些创新点，几乎都是通过比较相关论文的创新点中算法的相似性而得出的。因此，科学思维中的联想、类比等在写论文的过程中也是很有用的。我就和同学开玩笑说，我一定要将《自然辩证法》多看几遍！ 结合自身的经验，我认为找到创新点有以下途径：途径一将论文A的X理论应用于论文B的研究中 这种方法可以称作“移花接木”。例如，我在写大论文的过程中，要涉及到对P2P网络中的搭便车者数目进行预测，而我在另外的一篇论文中了解到用灰色系统理论可以预测人口的多少。我一想，搭便车者不就是人吗？预测人口数量也就类似于预测搭便车者的数量，那么我就可以将灰色系统理论应用于我写的大论文中，这样一个创新点就产生了，剩下的就是进行大量的实验仿真来证明我的结论是否正确。 将不同领域中的算法互用的例子比比皆是。例如，网络中的经典算法— 迪杰斯特拉算法 就是一例。这个算法本来是数学领域中的，网络研究者们将之应用在路由算法中。途径二参照A论文的X算法改进B论文的相关算法 这不是算法的应用，而是对现成算法的改进。例如，我在写小论文《一种基于云的加权信任模型》的时候，就使用了这种方法。当时，我读到了一篇小论文《基于云模型的信任评估研究》，里面就有两个算法，而其中一个算法与我读到另一篇论文《基于云模型的主观信任评估》中的算法很像，只是少了一个权值。我立马想到如果在此算法中也加入权值，那结果会怎样呢？于是，一个创新点就这样产生了，一篇论文也就写出来了。 大部分论文的创新点都是对算法的改进，因此，途径二用得最多。途径三将A论文的X模型与B论文的Y模型合并为C论文的Z模型 这种方法没有对算法进行改进，而是将两种模型合并为一种新的模型。在我写大论文的另一个创新点的时候，我已经建立了P2P网络的模型(一个三维的立体结构)，就差用一种算法来遍历网络中的各结点。这时，我阅读了一些算法的书籍和论文，其中有提到用模拟退火算法可以遍历整个网络。于是，我将P2P网络模型与模拟退火算法模型结合起来，产生了一种遍历网络的新算法，并且用仿真实验证明该模型切实可行。 该方法可以说是一种综合的方法，在应用之前需要弄清楚两种模型是否可以结合，并且一定要有实验的论证。 以上三种方法是我个人在写小论文和大论文的过程中所采用过的方法，觉得还是有一些道理的，并且也的确能够将创新点找到。对于硕士生来说，要发明新的方法或理论是很困难的，在我阅读过的论文中，没有一篇做到了。但是，对算法进行改进、应用或组合却是我们力所能及的。要找到创新点，积累是关键，也就是我们要多多阅读、多多总结，并且保持一颗好奇和善于发现问题的心。 如果把找到创新点当作“黎明”，那么现在就是“黎明之前最黑暗的时候”。只要你坚持下去，相信胜利就在眼前！
楼主对于这种问题的答案完全可以上SCI了，知道答案的人都在写论文中，所以我可以给几个改进方向给你提示一下：1 SVM是分类器对于它的准确性还有过拟合性都有很成熟的改进，所以采用数学方法来改进感觉很难了，但是它的应用很广泛 SVMRank貌似就是netflix电影推荐系统的核心算法，你可以了解下2 与其他算法的联合，boosting是一种集成算法，你可以考虑SVM作为一种弱学习器在其框架中提升学习的准确率SVM的本身算法真有好的改进完全可以在最高等级杂志上发论文，我上面说的两个方面虽然很简单但如果你有实验数据证明，在国内发表核心期刊完全没问题，本人也在论文纠结中。。
期刊发表的选择是否恰当，对文稿是否能顺利发表起着决定性作用。所以，作者一定要慎重选择相应的期刊投稿。一般来讲，选择期刊应注意以下几个方面：
（1）论文的内容要与期刊的学科内容相一致或相关。
（2）论文的体裁必须适合所投期刊。
（3）论文的学术质量要与期刊的总体学术水平相适应。
（4）注意期刊对版面费的要求。
( 5 )正确对待编辑的修改建议
要根据刊物级别来判断论文发表的难度，一般刊物发表并不难啊，只要论文稍有质量，就可以发表
1.注意辨别期刊的真伪论文发表，首要的问题就是期刊的真伪鉴定问题。目前市场上很多的非法期刊，让人防不胜防。具体做法：我们拿着期刊名称去新闻出版总署的网站上进行检索系统，凡在检索系统里检索不到的期刊，一般都是非法期刊。所以，如果不知道刊物是否正规，不妨将刊物名称输入检索一下，如果检索不到，自然就是假的。 2.注意发表论文的防由于期刊发表行业比较混乱，什么样的机构与人员都有。很多人由于在发表期刊时，不注意而导致自己。现在该行业惯用的术主要有假冒期刊，把文章发表的赠刊上，直接拿钱跑人等。因此，如果你在网上发现一下类型的广告，千万不要相信：如果对方只留手机号的，请不要轻易相信。如果对方只提供个人账户汇款的，请不要轻易相信。如果对方明显只有一个人的，请不要轻易相信。如果对方承诺包写包发的，请不要轻易相信。 3.论文发表注意时间和期刊的要求规定单位评职称也好，研究生毕业也好，对论文发表的时间都是有要求的。现在很多的学术期刊，排版得很晚，比如一些核心期刊杂志，在2011年8月份就开始征集到了2012年的1月份的文章了。也就是说，作者8月份投稿，文章要在2012年1月份才能见刊，跨越时间很长了。如果是年底评职称，自然要错过递交材料的时间了。所以论文发表前，不妨先咨询下刊物的排版时间，尽量选择能早点出刊的杂志。 另外，很多单位对刊物也有一定的要求。比如大部分刊物都要求刊物是省部级以上的。那样，如果刊物的主管主办单位为一般的县市级单位，那刊物可能就不管用了。还有单位要求发专业相关的期刊，比如评工程师发到教育类的刊物上，或教师职称发到工程类的期刊上，那样的学术成果可能会不被算数，尽管刊物是没有问题。还有单位对论文的字符数也有一定的要求，大部分单位是要求2000字以上，也有单位是要求3000字以上。还有单位对发表论文的数量也有要求，高级职称一般是要求3篇，中级是要求2篇，当然也有地区要求是有就可以。
把批评意见当作是提高自己稿件水平的一个契机，补充新的实验，并精心修改论文以后再投它刊，而不是改也没改，当天另投他刊。
如果没有修改的话，审稿人说的问题还是存在。如果改投它刊被接收了，那么错误还在那里；如果退稿，很可能还是由于这些问题引起的，因此态度非常重要。
论文原文：
YOLO（you only look once）是继RCNN、faster-RCNN之后，又一里程碑式的目标检测算法。yolo在保持不错的准确度的情况下，解决了当时基于深度学习的检测中的痛点---速度问题。下图是各目标检测系统的检测性能对比：
如果说faster-RCNN是真正实现了完全基于深度学习的端到端的检测，那么yolo则是更进一步，将 目标区域预测 与 目标类别判断 整合到单个神经网络模型中。各检测算法结构见下图：
每个网格要预测B个bounding box，每个bounding box除了要回归自身的位置之外，还要附带预测一个confidence值。这个confidence代表了所预测的box中含有object的置信度和这个box预测的有多准两重信息，其值是这样计算的：
其中如果有object落在一个grid cell里，第一项取1，否则取0。第二项是预测的bounding box和实际的groundtruth之间的IoU值。
每个bounding box要预测(x, y, w, h)和confidence共5个值，每个网格还要预测一个类别信息，记为C类。即SxS个网格，每个网格除了要预测B个bounding box外，还要预测C个categories。输出就是S x S x (5*B+C)的一个tensor。（注意：class信息是针对每个网格的，即一个网格只预测一组类别而不管里面有多少个bounding box，而confidence信息是针对每个bounding box的。）
举例说明: 在PASCAL VOC中，图像输入为448x448，取S=7，B=2，一共有20个类别(C=20)。则输出就是7x7x30的一个tensor。整个网络结构如下图所示：
在test的时候，每个网格预测的class信息和bounding box预测的confidence信息相乘，就得到每个bounding box的class-specific confidence score:
等式左边第一项就是每个网格预测的类别信息，第二三项就是每个bounding box预测的confidence。这个乘积即encode了预测的box属于某一类的概率，也有该box准确度的信息。
得到每个box的class-specific confidence score以后，设置阈值，滤掉得分低的boxes，对保留的boxes进行NMS（非极大值抑制non-maximum suppresssion）处理，就得到最终的检测结果。
1、每个grid因为预测两个bounding box有30维（30=2*5+20），这30维中，8维是回归box的坐标，2维是box的confidence，还有20维是类别。其中坐标的x,y用bounding box相对grid的offset归一化到0-1之间，w,h除以图像的width和height也归一化到0-1之间。
2、对不同大小的box预测中，相比于大box预测偏一点，小box预测偏一点肯定更不能被忍受的。而sum-square error loss中对同样的偏移loss是一样。为了缓和这个问题，作者用了一个比较取巧的办法，就是将box的width和height取平方根代替原本的height和width。这个参考下面的图很容易理解，小box的横轴值较小，发生偏移时，反应到y轴上相比大box要大。其实就是让算法对小box预测的偏移更加敏感。
3、一个网格预测多个box，希望的是每个box predictor专门负责预测某个object。具体做法就是看当前预测的box与ground truth box中哪个IoU大，就负责哪个。这种做法称作box predictor的specialization。
4、损失函数公式见下图：
在实现中，最主要的就是怎么设计损失函数，坐标（x,y,w,h），confidence，classification 让这个三个方面得到很好的平衡。简单的全部采用sum-squared error loss来做这件事会有以下不足：
解决方法：
只有当某个网格中有object的时候才对classification error进行惩罚。只有当某个box predictor对某个ground truth box负责的时候，才会对box的coordinate error进行惩罚，而对哪个ground truth box负责就看其预测值和ground truth box的IoU是不是在那个cell的所有box中最大。
作者采用ImageNet 1000-class 数据集来预训练卷积层。预训练阶段，采用网络中的前20卷积层，外加average-pooling层和全连接层。模型训练了一周，获得了top-5 accuracy为0.88（ImageNet2012 validation set），与GoogleNet模型准确率相当。
然后，将模型转换为检测模型。作者向预训练模型中加入了4个卷积层和两层全连接层，提高了模型输入分辨率（224×224->448×448）。顶层预测类别概率和bounding box协调值。bounding box的宽和高通过输入图像宽和高归一化到0-1区间。顶层采用linear activation，其它层使用 leaky rectified linear。
作者采用sum-squared error为目标函数来优化，增加bounding box loss权重，减少置信度权重，实验中，设定为\lambda _{coord} =5 and\lambda _{noobj}=0.5 。
作者在PASCAL VOC2007和PASCAL VOC2012数据集上进行了训练和测试。训练135轮，batch size为64，动量为0.9，学习速率延迟为0.0005。Learning schedule为：第一轮，学习速率从0.001缓慢增加到0.01（因为如果初始为高学习速率，会导致模型发散）；保持0.01速率到75轮；然后在后30轮中，下降到0.001；最后30轮，学习速率为0.0001。
作者还采用了dropout和 data augmentation来预防过拟合。dropout值为0.5；data augmentation包括：random scaling，translation，adjust exposure和saturation。
YOLO模型相对于之前的物体检测方法有多个优点：
1、 YOLO检测物体非常快
因为没有复杂的检测流程，只需要将图像输入到神经网络就可以得到检测结果，YOLO可以非常快的完成物体检测任务。标准版本的YOLO在Titan X 的 GPU 上能达到45 FPS。更快的Fast YOLO检测速度可以达到155 FPS。而且，YOLO的mAP是之前其他实时物体检测系统的两倍以上。
2、 YOLO可以很好的避免背景错误，产生false positives
不像其他物体检测系统使用了滑窗或region proposal，分类器只能得到图像的局部信息。YOLO在训练和测试时都能够看到一整张图像的信息，因此YOLO在检测物体时能很好的利用上下文信息，从而不容易在背景上预测出错误的物体信息。和Fast-R-CNN相比，YOLO的背景错误不到Fast-R-CNN的一半。
3、 YOLO可以学到物体的泛化特征
当YOLO在自然图像上做训练，在艺术作品上做测试时，YOLO表现的性能比DPM、R-CNN等之前的物体检测系统要好很多。因为YOLO可以学习到高度泛化的特征，从而迁移到其他领域。
尽管YOLO有这些优点，它也有一些缺点：
1、YOLO的物体检测精度低于其他state-of-the-art的物体检测系统。
2、YOLO容易产生物体的定位错误。
3、YOLO对小物体的检测效果不好（尤其是密集的小物体，因为一个栅格只能预测2个物体）。
这个要看你们毕设的要求，其实每年都有毕设做这种的。
数据集这一点不需考虑的，应该在网上都是找得到关于你要解决问题的数据集的，如果要自己搞数据集就很麻烦，看几篇论文你就清楚了。
网上关于用v5训练自己数据集的教程还是比较多的。v5的代码用起来很方便，模块化了的。难的是需要搞清楚v5的原理以及如何将最新的一些算法加入到v5，针对性地提高自己训练集的效果。如果你够厉害的话也可以针对v5的一个板块提出自己新的算法，比如改进CIOU之类的。
文献综述好好写，论文格式好好弄。
论文的质量，是否经得起推敲？论文的指导教师，是否是可以指导你论文的教室？要投稿的期刊是不是你可以目前能投的。这个出版要多少钱，怎么出，什么时候出？
科技论文投稿是非常严谨的，首先我们需要把我们的作品尽量的写好，主要是逻辑清楚，没有标点符号这样的常识性错误。我们的论文才更有可能被编辑接受。
1.把握期刊的内容：作者在投稿前需要了解自己研究领域有哪些优秀的刊物，以及这些期刊对自己文章的要求，论文内容是否与期刊栏目相匹配等。。 2，掌握水平期刊：作者应根据学术论文和自己的写作技能水平，将自己的文章提交到相当级别的出版物; 3、选择合适的时间投稿：提交期刊时避开高峰期，提前做好准备，对于同级别的期刊，作者可以选择提交量较大的期刊，更有可能被录用。 4、同时，作者还需要知道任何投稿要经过适当的处理，提交后应及时和杂志编辑沟通，以把握文章的进度来确定自己的论文是否会被接受。当作者收到退修的稿件后，也应该要在较短的时间内修回，并且要尊重审稿专家的意见，逐条进行修改。 总之想要论文中稿率高，那么作者是要付出自己的心血，审稿专家及编辑与作者都希望文章能顺利录用出版，而作者自身的论文也要内容创新，结构合理规范，语言准确，掌握相应的期刊投稿策略，从而有助于提高论文投稿录用率。希望可以帮到你，望采纳
要根据刊物级别来判断论文发表的难度，一般刊物发表并不难啊，只要论文稍有质量，就可以发表
论文写作该如何对论文进行修改
论文写作时总需要对论文进行修改，让论文更加充实有内容。以下是我和大家分享的论文写作该如何对论文进行修改，更多内容请关注(www.oh100.com/bylw)。
论文修改有广义和狭义两种理解。广义的理解包括写作过程中每一个环节的修改;狭义的理解，则专指草稿完成之后的加工修改。不管是狭义的理解还是广义的理解，论文修改的内容和范围一般都包括：思想观点包括主题在内的修改、材料使用的修改、结构的修改、语言的修改等，下面分别谈谈各项修改的范围及其要求。
一、思想观点的修改。
写文章的主要目的是为了表达自己的思想，宣传自己的主张，如果自己的认识不深刻，甚至有错误，就不可能使别人得到教益，甚至会给人以坏的影响。文章的论点是文章的统帅，如果认识肤浅，见识不高，要想把文章的材料、结构等整理好，也是困难的。所以，修改论文，首先要考虑论文的主题和观点是否正确，认识是否深刻，文章是否有新意。
第一，要综观全局，立足全篇，审视文章的中心论点是否正确、集中、鲜明、深刻，是否具有创新性，文题是否相符，若干从属论点与中心论点是否一致，某些提法是否全面、准确。如果中心论点把握不准确，不能把最典型、最具本质意义的思想和规律揭示出来，或者有某种失误和偏颇，就要动“大手术”，进行一次大改写甚至重写;如果文章中的论点落后于形势的发展，缺乏新意，就要重新构思和概括，或改变论证角度，进一步挖掘和提高。
第二，对于论文中出现的主观、片面、空泛的地方，要进行强化、增补等改写工作，使偏颇的改中肯，片面的改全面，模糊的改鲜明，粗浅的改深刻，松散的改集中，有失分寸的改恰当，陈旧的改新颖，立意太低的加以升华。
第三，修改论文的标题。论文的题目是论文的“眼睛”，如果题目短小、精练、鲜明，就能传神生辉，使人一看就有兴趣。所以对初稿的题目进行斟酌、推敲和改动，是非常重要的。论文写作，文和题是互相作用、互相影响的。文要切题，题要配文，如果文不对题，题目过长或太笼统，都必须修改，要使题目能概括地表达论文的中心论点和讨论的范围，起到“画龙点睛”的作用。
二、修改材料
主要指对论文引用的材料增加、删节或调整; 材料是文章中的“血肉”，它是证明观点的论据，是论点成立的依托。因而对选用材料的基本要求是：一是必要，即选用说明观点的材料;二是真实，即所用的材料必须符合实际，准确可靠;三是合适，即材料引用要恰当，不多不少，恰到好处。在修改论文中，要看引用的材料是否确凿有力;是否有出处;是否能相互配合说明论点;是否发挥了论证的力量;是否合乎逻辑;是否具有说服力。要把不足的材料补足，要把空泛的陈旧的平淡的材料加以调换;要把不实的材料和与主题无关的材料坚决删除。
修改材料一般分两步进行：
第一步是查核校正，即先不考虑观点、结构、语言，只查核材料本身是否真实、可信、准确，包括对初稿中的定律、论断、数据、典型材料、引文出处等进行核对，发现疑点和前后矛盾的地方，一定要搞清楚、弄明白，如果引用了经典作家的话，如有条件最好核对原文，把一切失误、失实和有出入的材料给予删除或改写准确，保证论文建立在坚实可靠的基础之上。
第二步，根据论证中心论点和各分论点的要求，对材料进行增、删、调。对于缺少材料或材料单薄、不足以说明论点的，就要增补有代表性、有典型性的新材料，使论据更加充实，使论证变得更充分有力。对材料杂乱、重复，或材料与观点不一致的，则要删减，以突出观点，不能以材料多而取胜，应以适度为佳。对于陈旧、一般化的材料，则要进行调换，换上更合适的材料。
三、修改结构
结构是论文表现形式的重要因素，是论文内容的组织安排。结构的好坏，直接关系着论文内容的表达效果。结构的调整和校正，关系着全文的布局和安排。调整结构，要求理顺思想，检查论文中心是否突出，层次是否清楚，段落划分是否合适，开头、结尾、过渡照应如何，全文是否构成一个完整的严密的整体。调整的原则和要求，是要有利于突出中心论点，服务于表现中心论点。
修改结构，应主要抓好以下三个方面：
第一，层次是否清楚，思路是否通畅。一般可以先从大小标题之间的关系来看文章的思路和层次。如果论文不设小标题，则必须从内容去判断。例如，文章在内容上是否符合“提出问题，分析问题，解决问题”的逻辑联系;全文的布局、层次和段落的安排是否有条理;层次的脉络是否分明、顺畅;各段的分论点是否明确、协调;对杂乱无章的阐述要疏理通顺;删去重复和矛盾的地方，补上缺少的部分，达到全文意思上连贯通畅。
第二，结构是否完整。论文要有一个完整的结构。一篇论文要有绪论、本论、结论三大部分，协调一致，即要有引人入胜的开头，有材料有分析的论证，有鲜明有力的结尾。同时还要审视各个部分的主次、详略是否得当。
第三，结构是否严密。一篇论文必须是论点与论据，大论点与小论点之间有严密的逻辑性。如果论文结构松散，要加以紧缩，删去那些多余的材料，删去添枝加叶、离题太远或无关紧要的句段。为使结构严谨和谐，对全文各部分的过渡和照应、结构的衔接、语气的`连贯等方面，也要认真地考虑和修改。
四、修改语言和标点
语言是表达思想的工具，要使论文写得准确、简洁、生动，就不能不在语言运用上反复推敲修改。论文的语言修改，主要是在三方面下功夫：一是表达清楚而简练，用最少的文字说明尽可能多的问题，是一篇高质量论文必不可少的条件。为了使文章精练，必须把唆、重复的地方，改为精练、简洁的文字;二是文字表达的准确性。为了语言的准确性，就要把似是而非的话，改为准确的文字;三是语言的可读性，为了语言的可读性，要把平淡的改为鲜明，把拗口的改为流畅，把刻板的改为生动，把隐晦的改为明快，把含混、笼统的改为清晰、具体。
如何加强语言的推敲和锤炼呢?
为了使语言准确、简洁、生动，不能不锤炼字句，而锤炼字句，必须要有正确的指导思想。对语言的锤炼加工，目的是为了更好地表情达意，所以锤炼不能脱离内容的需要，去孤立地雕琢文词，追求华丽。这是在指导思想上必须明确的。另外，在修改中要注意以下三个方面：
第一，要尽可能利用准确、生动、简洁的语言，对生造词语、词类误用、词义混乱等用词不当、词不达意的毛病，要坚决改掉，坚决消灭错别字和不规范的简化字、自造词。鲁迅说他自己写文章“不生造除自己之外，谁也不懂的形容词之类”，“只有自己懂得或连自己也不懂的生造出来的字句，是不大用的”。这样一种严肃认真、一丝不苟的精神，是值得我们认真学习的。
第二，对结构残缺、结构混乱、搭配不当等不合语法的句子，要注意改正，使之合乎语言规范。杜甫说：“为人性僻耽佳句，语不惊人死不休”。唐代作家皮日休说：“百炼成字，千炼成句”。字句要好，就必须反复锤炼、反复琢磨修改。
第三，要注意句子之间的逻辑联系，力求上下贯通，语气一致，通顺流畅。
第四，检查标点、规范书写。标点符号是文章的构成要素之一，是文章的有机组成部分，用得恰当，能够准确地表达内容;反之，就会影响内容的表达，甚至产生歧义。检查标点符号，主要是看标点符号的用法是否正确，以及调整点错位置的标点符号。修改时，要按约定俗成的用法，严格按规定的格式进行书写。另外，修改时，一定要把潦草的字和不规范的字改正，抄写时要书写工整、字迹清楚。还有，在修改中，对论文中的图表、符号、公式要检查，要合乎规范，对比较复杂的容易出错的，更应仔细校正。
能送审就已经很好了，大修都要在厕所滑跪庆祝了。߅不要说大修，重投都烧高香了。。你去了解一下北京译顶科技，他们做这个。
我就是那个小修被拒的人，对我影响很大，一篇一区TOP期刊真的太可惜了，一修后笃定能接收，结果败在了一个小小的环节，就是有一个问题没有按照reviewer 的意思修改，其实不是太大的问题，让加一个P值，其实就是统计分析软件再运行一遍，加上去就可以，不加也不算错，我就婉拒了他的要求，结果被拒了，原话翻译过来就是:根据你修改的情况，我不得不拒绝你这篇论文。你可以联系北京译顶科技，我身边朋友都是找他们家做的。
答辩后大概率是要修改，因为答辩专家会提一些建议或者问题，会后你要根据这些建议或问题进一步完善论文，这也是答辩的目的之一。我们实验室都是找北京译顶科技，你有这方面的需求的话可以去找一下看看ོ࿐