一般都是是网速的问题
可能是你的论文格式不对，一般paperpass、paperyy这种paper的论文检测系统都是支持txt、doc(x)、pdf格式的。网速不行，被网速拖累的了。浏览器的问题，换个浏览器试试。
大学毕业论文查重找不到论文的可能原因如下： 一、查重的论文并没有被收集到数据库。各种论文查重系统数据库中文献的收录数目和更新速度各不相同，一般的论文检索系统数据库越大、内容越丰富，查重结果越丰富。 二是论文的格式不正确，论文的查重系统不能识别。文章内容格式上的错误和上传文件格式上的错误都会造成本科论文无法查重。 三是论文资料不全，合稿多篇。查重时没有提交或输入与错误相关的论文题目，作者等关键信息也会造成查重无法查重。其他的许多论文拼凑起来提交检测，也会导致无法解析。 四是检查系统的起因。遇上高峰时，查重系统有可能瘫痪，如遇此，建议耐心等待，过一段时间再试。 所以在选择论文检测系统的时候，应该注意哪些问题？选用一种安全可靠的查重系统是十分重要的，尽量选择数量多、评价高的论文系统，这样可以保证查重系统的安全性，确保论文不会被泄露。第二，论文查重检测结果是否准确，只有参考准确的检测结果，才能有效地对论文进行修改降重。
我的是docx格式，另存为doc就可以了
1.首先，百度进入天天论文查重网2.填写【论文标题】，【论文作者】，把需要检测的论文内容复制到【论文内容】里面的文本框里面，然后点击下一步；3.输入订单号，订单号查找的办法是：我的淘宝——已买到的宝贝；4.检测报告下载，一般是10分钟左右即可下载报告，高峰期会有所廷迟；
论文检测的方法有很多种，最主要的就是论文查重，现在很多人都会在网上买一种查重软件，然后对自己的论文进行查重，如果发现有重复的部分，就对那些部分进行改正，这是一个比较方便的软件
论文名称：Rich feature hierarchies for accurate object detection and semantic segmentation 提出时间：2014年 论文地址： 针对问题： 从Alexnet提出后，作者等人思考如何利用卷积网络来完成检测任务，即输入一张图，实现图上目标的定位（目标在哪）和分类（目标是什么）两个目标，并最终完成了RCNN网络模型。 创新点： RCNN提出时，检测网络的执行思路还是脱胎于分类网络。也就是深度学习部分仅完成输入图像块的分类工作。那么对检测任务来说如何完成目标的定位呢，作者采用的是Selective Search候选区域提取算法，来获得当前输入图上可能包含目标的不同图像块，再将图像块裁剪到固定的尺寸输入CNN网络来进行当前图像块类别的判断。 参考博客： 。 论文题目：OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks 提出时间：2014年 论文地址： 针对问题： 该论文讨论了，CNN提取到的特征能够同时用于定位和分类两个任务。也就是在CNN提取到特征以后，在网络后端组织两组卷积或全连接层，一组用于实现定位，输出当前图像上目标的最小外接矩形框坐标，一组用于分类，输出当前图像上目标的类别信息。也是以此为起点，检测网络出现基础主干网络(backbone)+分类头或回归头（定位头）的网络设计模式雏形。 创新点： 在这篇论文中还有两个比较有意思的点，一是作者认为全连接层其实质实现的操作和1x1的卷积是类似的，而且用1x1的卷积核还可以避免FC对输入特征尺寸的限制，那用1x1卷积来替换FC层，是否可行呢？作者在测试时通过将全连接层替换为1x1卷积核证明是可行的；二是提出了offset max-pooling，也就是对池化层输入特征不能整除的情况，通过进行滑动池化并将不同的池化层传递给后续网络层来提高效果。另外作者在论文里提到他的用法是先基于主干网络+分类头训练，然后切换分类头为回归头，再训练回归头的参数，最终完成整个网络的训练。图像的输入作者采用的是直接在输入图上利用卷积核划窗。然后在指定的每个网络层上回归目标的尺度和空间位置。 参考博客： 论文题目：Scalable Object Detection using Deep Neural Networks 提出时间：2014年 论文地址： 针对问题： 既然CNN网络提取的特征可以直接用于检测任务（定位+分类），作者就尝试将目标框（可能包含目标的最小外包矩形框）提取任务放到CNN中进行。也就是直接通过网络完成输入图像上目标的定位工作。 创新点： 本文作者通过将物体检测问题定义为输出多个bounding box的回归问题. 同时每个bounding box会输出关于是否包含目标物体的置信度, 使得模型更加紧凑和高效。先通过聚类获得图像中可能有目标的位置聚类中心，（800个anchor box）然后学习预测不考虑目标类别的二分类网络，背景or前景。用到了多尺度下的检测。 参考博客： 论文题目：DeepBox: Learning Objectness with Convolutional Networks 提出时间：2015年ICCV 论文地址： 主要针对的问题： 本文完成的工作与第三篇类似，都是对目标框提取算法的优化方案，区别是本文首先采用自底而上的方案来提取图像上的疑似目标框，然后再利用CNN网络提取特征对目标框进行是否为前景区域的排序；而第三篇为直接利用CNN网络来回归图像上可能的目标位置。创新点： 本文作者想通过CNN学习输入图像的特征，从而实现对输入网络目标框是否为真实目标的情况进行计算，量化每个输入框的包含目标的可能性值。 参考博客： 论文题目：AttentionNet: AggregatingWeak Directions for Accurate Object Detection 提出时间：2015年ICCV 论文地址： 主要针对的问题： 对检测网络的实现方案进行思考，之前的执行策略是，先确定输入图像中可能包含目标位置的矩形框，再对每个矩形框进行分类和回归从而确定目标的准确位置，参考RCNN。那么能否直接利用回归的思路从图像的四个角点，逐渐得到目标的最小外接矩形框和类别呢？ 创新点： 通过从图像的四个角点，逐步迭代的方式，每次计算一个缩小的方向，并缩小指定的距离来使得逐渐逼近目标。作者还提出了针对多目标情况的处理方式。 参考博客： 论文题目：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 提出时间：2014年 论文地址： 针对问题： 如RCNN会将输入的目标图像块处理到同一尺寸再输入进CNN网络，在处理过程中就造成了图像块信息的损失。在实际的场景中，输入网络的目标尺寸很难统一，而网络最后的全连接层又要求输入的特征信息为统一维度的向量。作者就尝试进行不同尺寸CNN网络提取到的特征维度进行统一。创新点： 作者提出的SPPnet中，通过使用特征金字塔池化来使得最后的卷积层输出结果可以统一到全连接层需要的尺寸，在训练的时候，池化的操作还是通过滑动窗口完成的，池化的核宽高及步长通过当前层的特征图的宽高计算得到。原论文中的特征金字塔池化操作图示如下。 参考博客 ： 论文题目：Object detection via a multi-region & semantic segmentation-aware CNN model 提出时间：2015年 论文地址： 针对问题： 既然第三篇论文multibox算法提出了可以用CNN来实现输入图像中待检测目标的定位，本文作者就尝试增加一些训练时的方法技巧来提高CNN网络最终的定位精度。创新点： 作者通过对输入网络的region进行一定的处理（通过数据增强，使得网络利用目标周围的上下文信息得到更精准的目标框）来增加网络对目标回归框的精度。具体的处理方式包括：扩大输入目标的标签包围框、取输入目标的标签中包围框的一部分等并对不同区域分别回归位置，使得网络对目标的边界更加敏感。这种操作丰富了输入目标的多样性，从而提高了回归框的精度。 参考博客 ： 论文题目：Fast-RCNN 提出时间：2015年 论文地址： 针对问题： RCNN中的CNN每输入一个图像块就要执行一次前向计算，这显然是非常耗时的，那么如何优化这部分呢？ 创新点： 作者参考了SPPNet（第六篇论文），在网络中实现了ROIpooling来使得输入的图像块不用裁剪到统一尺寸，从而避免了输入的信息丢失。其次是将整张图输入网络得到特征图，再将原图上用Selective Search算法得到的目标框映射到特征图上，避免了特征的重复提取。 参考博客 ： 论文题目：DeepProposal: Hunting Objects by Cascading Deep Convolutional Layers 提出时间：2015年 论文地址： 主要针对的问题： 本文的作者观察到CNN可以提取到很棒的对输入图像进行表征的论文，作者尝试通过实验来对CNN网络不同层所产生的特征的作用和情况进行讨论和解析。 创新点： 作者在不同的激活层上以滑动窗口的方式生成了假设，并表明最终的卷积层可以以较高的查全率找到感兴趣的对象，但是由于特征图的粗糙性，定位性很差。相反，网络的第一层可以更好地定位感兴趣的对象，但召回率降低。 论文题目：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 提出时间：2015年NIPS 论文地址： 主要针对的问题： 由multibox（第三篇）和DeepBox（第四篇）等论文，我们知道，用CNN可以生成目标待检测框，并判定当前框为目标的概率，那能否将该模型整合到目标检测的模型中，从而实现真正输入端为图像，输出为最终检测结果的，全部依赖CNN完成的检测系统呢？ 创新点： 将当前输入图目标框提取整合到了检测网络中，依赖一个小的目标框提取网络RPN来替代Selective Search算法，从而实现真正的端到端检测算法。 参考博客 ：
1、首先要做的是选择一个可靠的论文检测系统，比如知网，paperfree，这些都是值得我们信赖的。但需要注意的是，知网不对个人开放，我们使用知网查重一般是学校提供的入口；但paperfree等查重系统可以随时多次进行查重。2、选择论文检测网站后，可以在选择的检测网站注册或者直接登录账号，然后就可以点击查重入口查重了。不过需要注意的是，如果选择的查重系统中有查重版本的区别，那么应该选择自己所需要的查重版本。3、之后输入论文的相关信息，点击上传论文。上传论文时，注意论文文档的格式是否正确。比如论文检测系统要求word文档，就不要上传成PDF格式，因为对查重结果也有很大影响。4、论文检测的时间一般是10到30分钟，查重结束后，我们可以下载论文检测报告。
字数超过知网论文检测此版本最大上限，这是最常见也是出现反馈率最高的原因，常出现在期刊、分解版本，因为他们都规定了字数上限，知网期刊检测系统单篇上限是1.4万字符，小分解也是这个上限，但大分解是2.9万。
当作者选择这些版本的时候需要注意字数，而统计字数方法和平时说的不太一样，word文档中，审阅---字数统计---勾选“包括文本框、脚注和尾注”，再查看字符数（计空格）后面的阿拉伯数字就是论文总字数，论文检测软件字符数以这个为准，如下图所示：
扩展资料：
知网论文查重系统检测时，在一句话内，存在8个字或以上重复，或者一个自然段内，存在13个连续字符重复，即判定论文重复。
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%。同学们写完论文以后可以在平台首页选择系统检测。
有很多原因导致错误。1. 字符超过检测范围。如果上传的字数超出了知网查重的字符范围内，则可能会导致系统检测失败。2.用户在文档在打开编辑的状态下进行提交论文，导致知网查重检测系统无法解析空文档。3. 递交检测的毕业论文是未删除毕业论文中的封面图、申明、页眉页脚中的校名、论文致谢里的校名等隐私保护信息内容，导致检测失败。4. 多篇论文合起来进行提交检测，导致无法解析。5. 查重用户较多导致知网论文检测系统缓慢解析失败。知网，是国家知识基础设施的概念，由世界银行于1998年提出。
将论文上传到查重软件之后，查重系统就会根据论文格式对论文内容进行识别，虽然论文脚注重检测的要求并不太严格，但在格式不正确的前提下，查重系统是会进行检测的。因此，大家对于论文脚注是否参加检测还是需要了解的。每个学校提交的查重内容是有区别的你们要知道，有的学校只要求提交正文部分，但是有的学校需要提交论文全文（从封面到附录都需要参与检测）。每所高校所要求提交的论文内容不同，因此，论文查重系统的结果也会有一定的差别。但是论文的脚注部分在正文部分，所以一般还会进行查重检测。有些论文查重不会对脚注进行识别，有点系统会进行识别，大家需要注意自己使用的是什么查重系统。按学校要求修改论文格式论文的注脚是有格式要求的，如果查重系统能够识别脚注，那么，在格式正确的前提下，查重系统是直接判定这部分是脚注部分，所以这部分可能不会参与检测。在写论文之前，先把这些细节处理好，总体上不会有什么问题。学校会给出标准格式，是要根据自己学校的论文格式修改和调整，这样查重检查就不会出错。还有很多人不知道论文格式是怎样修改和调整的，所以面对修改后的论文格式，完全不知如何处理。学校都会提供相应的论文格式，大家按照要求进行调整即可。
脚注被标红一般都是插入格式不对。论文上传的是PDF格式还是Word格式可能会对结果产生影响，因为当上传PDF检测时，PDF会比Word多一个文本转换过程。这个过程很可能会破坏你原来正确的目录和参考格式，目录和参考格式会被混淆，导师系统会被错误地识别并标记为红色。
以知网为例，在格式正确的情况下，使用word版本长传文件，一般不会被标红，但是很多同学直接上传PDF版本，这样就可能被标红。
因为PDF在系统中进行文字转化的时候可能会出现识别不准确的情况，也无法识别这个部分是你的参考文献，当然就会被标红啦。
所以在学校没有明确规定必须以PDF版本上传时，一定选择Word版本上传。
如果不是常见的主流检测系统，数据库可能会比较杂乱，检测算法也不够正规，所以参考文献被标红的情况也会存在。
所以建议大家为了获得更准确的检测报告，并且更高效地查重降重，尽量使用学校指定地检测系统，比如知网、维普、万方等这些比较常见的主流查重系统。
论文中的脚注不会查重的，查重主要是针对论文的正文部分。
很多网站都可以做论文查重，但是学校一般只认可权威的知网查重。知网查重的算法一般会检测论文的目录，可以分章检测。然后就会检测论文的摘要以及正文等内容的重复度。
根据权威网站的查重算法，可以知道系统是没有检测图片和公式。一方面这些资料计算机不好进行比对，另一方面论文侧重于文字的检测。这对大多数学生来说是个好消息。
扩展资料：
1、反抄袭软件检测到13个相同的字，就以为是相似，所以连续相似的，不要超过13个字；
2、尽量用同义词代替，例如：损坏=毁坏；渠道=途径；原理=根本思绪；不可见=躲藏；优点特别突出=优势尽显无疑。
3、改动句子的主动语态，比方：数字水印为多媒体数据文件在认证、防伪、防窜改、保证数据平安和完好性等方面提供了有效的技术手腕。=在多媒体制品的认证、防伪、防修改和传送平安以及完好性保证方面，能够采用数字水印的检测作为有力的检测手腕。
参考资料来源：百度百科-查重
一般来说，论文的脚注不会算入查重，所以应该要注意标题、摘要、正文的查重哦，在发表之前最好使用知网获得早检测系统先查重。
大学毕业论文查重找不到论文的可能原因如下： 一、查重的论文并没有被收集到数据库。各种论文查重系统数据库中文献的收录数目和更新速度各不相同，一般的论文检索系统数据库越大、内容越丰富，查重结果越丰富。 二是论文的格式不正确，论文的查重系统不能识别。文章内容格式上的错误和上传文件格式上的错误都会造成本科论文无法查重。 三是论文资料不全，合稿多篇。查重时没有提交或输入与错误相关的论文题目，作者等关键信息也会造成查重无法查重。其他的许多论文拼凑起来提交检测，也会导致无法解析。 四是检查系统的起因。遇上高峰时，查重系统有可能瘫痪，如遇此，建议耐心等待，过一段时间再试。 所以在选择论文检测系统的时候，应该注意哪些问题？选用一种安全可靠的查重系统是十分重要的，尽量选择数量多、评价高的论文系统，这样可以保证查重系统的安全性，确保论文不会被泄露。第二，论文查重检测结果是否准确，只有参考准确的检测结果，才能有效地对论文进行修改降重。
那这说明你的论文完全是你自己进行书写的，而并不是说在网上就可以查到的呀，这就说明你的论文应该是你自己的结论，你如果没有上传到网上的话，那当然，在网上查不到。
相信每个写过论文的同学都对论文查重不陌生，如今查重越来越严格，本科毕业论文也将启动抽查工作，所以许多同学会在写完论文后自我检测以保证论文及格，但很多同学在自查时都会遇到查重查不到论文的情况，那么本科论文查重查不到论文是怎么回事？paperfree 小编给大家讲解。 大学毕业论文查重找不到论文的可能原因如下： 一、查重的论文并没有被收集到数据库。各种论文查重系统数据库中文献的收录数目和更新速度各不相同，一般的论文检索系统数据库越大、内容越丰富，查重结果越丰富。 二是论文的格式不正确，论文的查重系统不能识别。文章内容格式上的错误和上传文件格式上的错误都会造成本科论文无法查重。 三是论文资料不全，合稿多篇。查重时没有提交或输入与错误相关的论文题目，作者等关键信息也会造成查重无法查重。其他的许多论文拼凑起来提交检测，也会导致无法解析。 四是检查系统的起因。遇上高峰时，查重系统有可能瘫痪，如遇此，建议耐心等待，过一段时间再试。 所以在选择论文检测系统的时候，应该注意哪些问题？选用一种安全可靠的查重系统是十分重要的，尽量选择数量多、评价高的论文系统，这样可以保证查重系统的安全性，确保论文不会被泄露。第二，论文查重检测结果是否准确，只有参考准确的检测结果，才能有效地对论文进行修改降重。