发布时间：
小目标问题在物体检测和语义分割等视觉任务中一直是存在的一个难点，小目标的检测精度通常只有大目标的一半。
CVPR2019论文: Augmentation for small object detection 提到了一些应对小目标检测的方法，笔者结合这篇论文以及查阅其它资料，对小目标检测相关技巧在本文进行了部分总结。
小目标的定义： 在MS COCO数据集中，面积小于 32*32 的物体被认为是小物体。
小目标难以检测的原因： 分辨率低，图像模糊，携带的信息少。由此所导致特征表达能力弱，也就是在提取特征的过程中，能提取到的特征非常少，这不利于我们对小目标的检测。
1、由于小目标面积太小，可以放大图片后再做检测，也就是在尺度上做文章，如FPN（Feature Pyramid Networks for Object Detection），SNIP（An Analysis of Scale Invariance in Object Detection – SNIP)。
Feature-Fused SSD: Fast Detection for Small Objects, Detecting Small Objects Using a Channel-Aware Deconvolutional Network 也是在多尺度上做文章的论文。
2、在Anchor上做文章(Faster Rcnn，SSD, FPN都有各自的anchor设计)，anchor在设置方面需要考虑三个因素：
anchor的密度： 由检测所用feature map的stride决定，这个值与前景阈值密切相关。
anchor的范围： RetinaNet中是anchor范围是32~512，这里应根据任务检测目标的范围确定，按需调整anchor范围，或目标变化范围太大如MS COCO，这时候应采用多尺度测试。
anchor的形状数量： RetinaNet每个位置预测三尺度三比例共9个形状的anchor，这样可以增加anchor的密度，但stride决定这些形状都是同样的滑窗步进，需考虑步进会不会太大，如RetinaNet框架前景阈值是时，一般anchor大小是stride的4倍左右。
该部分anchor内容参考于:
3、在ROI Pooling上做文章，文章SINet: A Scale-Insensitive Convolutional Neural Network for Fast Vehicle Detection 认为小目标在pooling之后会导致物体结构失真，于是提出了新的Context-Aware RoI Pooling方法。
4、用生成对抗网络(GAN)来做小目标检测：Perceptual Generative Adversarial Networks for Small Object Detection。
1、从COCO上的统计图可以发现，小目标的个数多，占到了，但是含有小目标的图片只有，大目标所占比例为，但是含有大目标的图像却有。这说明有一半的图像是不含小目标的，大部分的小目标都集中在一些少量的图片中。这就导致在训练的过程中，模型有一半的时间是学习不到小目标的特性的。
此外，对于小目标，平均能够匹配的anchor数量为1个，平均最大的IoU为，这说明很多情况下，有些小目标是没有对应的anchor或者对应的anchor非常少的，即使有对应的anchor，他们的IoU也比较小，平均最大的IoU也才。
如上图，左上角是一个anchor示意图，右上角是一个小目标所对应的anchor，一共有只有三个anchor能够与小目标配对，且配对的IoU也不高。左下角是一个大目标对应的anchor，可以发现有非常多的anchor能够与其匹配。匹配的anchor数量越多，则此目标被检出的概率也就越大。
实现方法： 1、Oversampling ：我们通过在训练期间对这些图像进行过采样来解决包含小对象的相对较少图像的问题（多用这类图片）。在实验中，我们改变了过采样率和研究不仅对小物体检测而且对检测中大物体的过采样效果
2、Copy-Pasting Strategies：将小物体在图片中复制多分，在保证不影响其他物体的基础上，增加小物体在图片中出现的次数（把小目标扣下来贴到原图中去），提升被anchor包含的概率。
如上图右下角，本来只有一个小目标，对应的anchor数量为3个，现在将其复制三份，则在图中就出现了四个小目标，对应的anchor数量也就变成了12个，大大增加了这个小目标被检出的概率。从而让模型在训练的过程中，也能够有机会得到更多的小目标训练样本。
具体的实现方式如下图：图中网球和飞碟都是小物体，本来图中只有一个网球，一个飞碟，通过人工复制的方式，在图像中复制多份。同时要保证复制后的小物体不能够覆盖该原来存在的目标。
网上有人说可以试一下lucid data dreaming Lucid Data Dreaming for Multiple Object Tracking ，这是一种在视频跟踪/分割里面比较有效的数据增强手段，据说对于小目标物体检测也很有效。
基于无人机拍摄图片的检测目前也是个热门研究点（难点是目标小，密度大）。 相关论文： The Unmanned Aerial Vehicle Benchmark: Object Detection and Tracking（数据集） Drone-based Object Counting by Spatially Regularized Regional Proposal Network Simultaneously Detecting and Counting Dense Vehicles from Drone Images Vision Meets Drones: A Challenge（数据集）
1: 2: 3: 4: 5: 6: 7:
我使用的是LabelImg做为目标标注，当所拍摄图像没有特定目标出现时，不会生成相应的xml文件，我们可以将抛弃，或，希望生成xml就将其设为verify image，这样会在该图周围生成绿色边缘，生成一下xml， 由于verify image会将其设置为
在达摩院做3d目标检测，简单调研一下。 使用RGB图像、RGB-D深度图像和激光点云，输出物体类别及在三维空间中的长宽高、旋转角等信息的检测称为3D目标检测。 在无人驾驶、机器人、增强现实的应用场景下，普通2D检测并不能提供感知环境所需要的全部信息，2D检测仅能提供目标物体在二维图片中的位置和对应类别的置信度，但是在真实的三维世界中，物体都是有三维形状的，大部分应用都需要有目标物体的长宽高还有偏转角等信息。例如下图中，在自动驾驶场景下，需要从图像中提供目标物体 三维大小 及旋转角度等指标，在鸟瞰投影的信息对于后续自动驾驶场景中的路径规划和控制具有至关重要的作用。3DOP这篇文章是当下使用双目相机进行3D bounding-box效果做好的方法，其是Fast RCNN方法在3D领域之内的拓展。由于原论文发表于NIPS15，出于Fast RCNN的效果并没有Faster RCNN和基于回归的方法好，且远远达不到实时性，因此其处理一张图片的时间达到了。 它使用一个立体图像对作为输入来估计深度，并通过将图像平面上像素级坐标重新投影回三维空间来计算点云。3DOP将候选区生成的问题定义为Markov随机场(MRF)的能量最小化问题，该问题涉及精心设计的势函数(例如，目标尺寸先验、地平面和点云密度等)。 随着获得了一组不同的3D目标的候选框，3DOP利用FastR-CNN[11]方案回归目标位置。 论文主要基于FCOS无锚点2D目标检测做的改进，backbone为带有DCN的ResNet101，并配有FPN架构用于检测不同尺度的目标，网络结构如图1所示： 基于iou 3d，可以定义出TP和FP 通过绘制精确性×召回率曲线（PRC），曲线下的面积往往表示一个检测器的性能。然而，在实际案例中，"之 "字形的PRC给准确计算其面积带来了挑战。KITTI采用AP@SN公制作为替代方案，直接规避了计算方法。 NuScenes consists of multi-modal data collected from 1000 scenes, including RGB images from 6 cameras, points from 5 Radars, and 1 LiDAR. It is split into 700/150/150 scenes for training/validation/testing. There are overall annotated 3D bounding boxes from 10 categories. In addition, nuScenes uses different metrics, distance-based mAP and NDS, which can help evaluate our method from another perspective.
以前的论文查重都只查论文文字内容，但是上个月开始知网已经研发出可以查论文图片和表格的查重系统。所以知网是可以查论文图片的，但是其他查重系统暂时还不能查重图片。如果你们学校用的知网，那么建议你给论文加图片的时候同样不要抄袭人家的图片。
毕业论文查重中图片会进行查重吗?除了知网检测系统，其余的论文检测系统图片不会进行论文查重，因为首先要进行识别，但是现在的算法无法很有效的对于图片进行识别，所以论文查重不会对图片进行查重。论文查重主要是文字进行查重，一般的查重比例是5%-30%之间。详情可以看一下自己学校的论文查重比例。
首先一篇完整的论文里面肯定是包含图片的，那么就能让内容更加的清晰起到一定的指导好处，所以大部分文章里面都会加入必要的图片。其实对于图片的检测来说，其他检测系统会显得非常薄弱，甚至连检测图片的作用都很小。因此，在对论文上的图片进行鉴定时，不是检测不到，就是全部加了扰码。
其实，图片能不能被系统识别到，关键还是取决于图片内容是不是能转换成文字内容，尽管目前技术很早就达到了一定的水平，但部分查重系统还是存在一些不足。如今大部分查重系统都无法对图片进行识别查重，但是我们会注意到，实际上检测系统是做不到这一点的，但是论文检测软件已经开始可以对其进行检测了，说明论文检测软件的权威性。
论文查重系统会不断的升级，已经比较完善。其实这方面的技术人员会因为缺乏图像识别而不断改进，论文查重一定要按照学校的要求提交。
图中最主要的看图中的内容。如果图片是全文的话，检测的时候可以转换一下，再检测一下。所以选择论文检测软件在完成定稿时进行论文检测，保证最优的论文检测报告。
毕业论文查重图片不会查。论文查重的主要查询的是文字的重复率。
学位论文（设计）工作的完成是高校人才培养的关键环节，对于学生而言直接关乎能否顺利毕业和找到一份好工作，其重要性不言而喻。
因而，在当前临近毕业的时间节点，在如今高校“严出”的大趋势大背景下，国内一些大学实施更加严苛的论文内容重复率指标和二次抽检以及严厉的处罚措施，最近一段时间引起了媒体的广泛关注。
扩展资料：
论文查重的目的和原因：
查重的目的是惩戒行为不当的学生和责任心不强的导师，如果不进行适当惩罚，查重的目的就是查重本身，那就很容易沦为生意。
论文查重的逻辑基点是：学生都是“小偷”，导师都不负责任，这类似于法律上的有罪推定。不去追本溯源，解决不了学生和导师的问题，就搞个第三方监督，这样大家更不去认真对待学术规范了。
这是典型的皇帝不急太监急。导师会想，反正有查重，论文我就不必细看了。学生会想，反正有查重，为了躲避重复，语句通顺与否就不管了。
管理部门就更加对论文质量不过问了，一切都有查重呢。其实对于导师而言，根本不怕查重，因为我们对每一篇学位论文的内容都了如指掌，就是学生写作要更规范，这是好事。
参考资料来源：人民网--徐耀：论文查重与学术无关
参考资料来源：人民网-- 严格“论文查重”促人才质量提升
中是图片格式导致不能编辑为啥呢？因为很多人写论文都是网上找的素材，有的根本就没有数据，可能只是一张图而已。直接拿来用，肯定是不符合老师要求的。这时候也分两种情况：一种是从图上可以看出源数据的比如有数据标签啊，我们就可以根据这个数值重新做一遍啦。另外一种就是看不出来源数据的（如上右图）很大几率上你是不可能找到源数据出处的。难道这个就死翘翘没得救了么？非也非也，我们可以大致模拟出来，反正图上不需要标注实际数据（who cares？），我们只需要将图表在word中做出来即可，怎么处理？可以参照我以前的一篇头条分享文章——《 如何依葫芦画瓢？论无数据源图表的制作》中的图表可以编辑，但是修改不了源数据如下图所示：一般出现这种情况是由于word并不是'凶案'的第一发生地，即图表可能是在excel或者PPT中完成后复制到word中去的（office三件套很多功能是相通的），这个并不足以造成不可编辑，还有一步就是word文件发生了传递，而源文件却并没有同步传递。何以见得？其实word中可以查看图表的源数据的。Tips：所以碰到这种情况，如果我们是在其他工具里面作图的，最后复制后，我们最好把源文件和目标word文件打包一起传递，这样源数据不至于丢失。虽然不能编辑源数据，但是图表还在，修改格式什么的还是可以做到的。那么，今天的实战案例来了，对下面的图，如何去掉0值标签以及0和8之间的线条以及0对应的点和线， 即达到下面的效果：思路：1.假如我们知道数据从头开始做，这个问题就so easy，我们只需要：1）将前面几个数据留空即可，设置一下显示2）或者将前面几个数据设置为NA#，也能达到一样的效果2.直接在图上改造，我们应该怎么做？制作步骤：去掉0？a.删除数据标签双击定位单个数据标签后，按delete键即可b.自定义格式这招独辟蹊径，我们这里只是要不显示0而已，如果我懒得一个个点击删除，我可以一次性设置。将数据标签设置自定义格式为0;0;这个设置的意思是正、负数正常显示，不显示0值，关于自定义格式不属于我们这里要展开的知识点，大家可以私底下去复习了解一下这个机理。c.设置0的标签值字体颜色为背景白色去掉数据标记和线条？这里我们用的方法就是设置色彩为无或者不显示，原理很简单，大家直接看图。操作的诀窍就是双击选中某个点，然后设置线条为无以及标记点为无即可（也可以设置颜色为白色背景色，欺眼睛假装它不存在），每个点影响其本身的数据标记符号以及前面的一小段线的控制范围
普通的毕业流程图，用Microsoft Office Visio，我的毕业设计论文用的Microsoft Office Visio 2003，更多怎么画、论文插图教程直接在附件，因为图太多了、字数太多了，就不举例了。
1、用2007版excel软件打开文件后，输入几组具有线性关系的数据。
2、然后用鼠标选中这些数据，点击菜单栏中的“插入”选项。
3、然后在插入菜单中，选择一种散点图，如图所示。
4、然后右击图表中的散点，在其右键菜单中点击“添加趋势线”选项。
5、然后在出来的页面中，选择“线性”，勾选“显示公式”选项，关闭窗口。
6、完成以上设置后，即可用excel制作线性关系图图表。
注意事项：
把两个变量之间的相关关系，用直角坐标系表示的图表。在工业生产和科学研究中，经常遇到两个之间的关系问题： 一种是两个量之间是完全确定的函数关系；另一 种是两个量之间是不完全确定的对应关系。对于这种既相关又不完全确定的关系，就称为相关关系。
人们应用画相关图，求出相关系数的方法来确定两个量之间的相关关系，就称为相关分析。 而当确定了相关关系之后，再用 统计检验与估计的方法对相关系数进行判断并求出回归方程的作法，称为回归分析。
操作方法1.首先安装office visio软件，该软件正常情况下不与word、ppt等软件绑定，需要自己重新下载、破解使用。安装完成打开后可以看到选项页面。画示意图选择基本图形就可以，如若选择画流程图，那么可以选择其他选项。2.点击基本图形后，会跳出开始制作按钮，点击创建就可以进入主界面。3.进入主界面开始画示意图，那么首先要寻找素材，简单的矢量图可以通过页面左侧的图形形状选择。4.如果素材很难查找，那么可以通过搜索框来查找，比如无线网络云服务就可以用云朵示意。这里需要注意的是有些矢量图的取名和平常的生活口语化有区别，这个时候就要多输几个名字就可能找到，比如基站这个东西就不太好找代替，但是有的。5.素材选定好以后，可以通过软件上部栏目中选择线条连接各个素材。这里面有不同的线性选择6.不同的模块需要不同的线段连接，那么可以在线上右击选择设置形状格式来改变表达方式。7.图形制作完成后，可以选择直接全选复制到word或者ppt中，也可以通过保存后将整个文件拉倒word或者ppt中，都可以完成效果。Microsoft Office Visio是由Microsoft公司于1992年推出的一款基于Windows平台的流程图与示意图绘制软件，是Microsoft Office软件的一部分。Microsoft OfficeVisio可以制作的图表范围十分广泛，其强大的绘图功能可以绘制地图、企业标志等，同时支持将文件保存为svg、dwg等矢量图形通用格式。
发表SCI文章的数据的原始图可以是SPSS的或EXCEL或者PPT制作。跟一般文章是一样的。然后再跟文章一起转换成PDF文件。并没有特殊要求的制图软件。而且有些杂志社是指定了论文修改公司的，这些公司可以帮你把图表及表格修改成合乎该杂志要求的样式。所以，只要文章内容好，杂志社愿意接受，其他可以有公司帮忙修改。
是毕业答辩么?那你至少得说你用的是什么发表你的文章吧.
你好：新浪博客的文章发表器编辑框下方的“图片剪切板”一共提供了8张图片一次上传的功能，这并代表博客的一篇日志只能放置8张图片，可以使用如下方法在一篇文章中放置8张以上的图片。首先将最先的8张图片通过“图片剪切板”上传。然后进入发布文章的编辑模式，再次同过图片剪切板上传剩下的图片，可利用这种方法反复上传，将所有图片发表在同一篇文章中。如果要将网络上的相片发表到博客文章中，先要将图片地址复制（点击查看图片时的电脑上部带http://的那部分，用鼠标右键点击图片后查看属性-也会看到地址）点击“发表文章”后，在文章编辑框内点击上面功能区中的“插入图片”按钮，在对话框中粘贴网络图片地址，确定即可显示。最后，点击编辑框内的“图片排版”调整图片位置即可。
很多都用Origin这里有一些Origin教程：也有很多人用SigmaPlot-- SCI影响因子查询：
03版本的和07版本，wps的差不多
插入——图形——图表
编辑完数之后，点击图标，直接在上面弹出的上下文选项卡对图标进行编辑，可以编辑填充颜色，图表类型，数周等
这个很简单的，先在EXCEL里面输入好数据，插入-->饼图-->三维饼图就可以了。详见附件
论文图表格式规范如下：毕业论文图表格式要求 一、图 正文中所有图都应有编号和图题。 图的编号由“图”和从1开始的阿拉伯数字组成，例如：“图1”、“图2”等。 图的编号可以一直连续到文末，图较多时，也可分章编号。 图题即图的名字，每幅图都应有图题，并置于图的编号之后，与编号之前空一格排写。 图的编号和图题置于图下方的居中位置，字体采用5号宋体。 图中若有分图时，分图的编号用(a)、(b)等置于分图之下。 正文中与相关图对应文字处须在括弧中注明“见图n”字样。 图与其图题不得拆开排写于两页，插图处的该页空白不够排写该图整体时，可将其后文字部分提前排写，将图移至次页最前面。 二、表 正文中所有表都应有编号和表题。 表的编号由“表”和从1开始的阿拉伯数字组成，例如“表1”、“表2”等。
普通的毕业流程图，用Microsoft Office Visio，我的毕业设计论文用的Microsoft Office Visio 2003，更多怎么画、论文插图教程直接在附件，因为图太多了、字数太多了，就不举例了。