1、论文题目应包含以下几个要素：研究对象，研究行为，研究目标。 2、标题是文章的“眼”，是连接文章和读者的桥梁。标题的好坏将直接影响到论文的质量和推广度。 3、论文题目内容应相关于本专业的研究空白、发生争议的话题（自己的观点感到较为充分）、对比性的话题、从其他专业角度研究本专业的话题（这是一种选题的边际效应）、有新的插入角度的老话题、刚刚冒出来的本专业的新问题。 4、具备以上几点，便是很好的论文题目。
题名又称题目或标题。题名是以最恰当、最简明的词语反映论文中最重要的特定内容的逻辑组合。论文题目是一篇论文给出的涉及论文范围与水平的第一个重要信息，也是必须考虑到有助于选定关键词不达意和编制题录、索引等二次文献可以提供检索的特定实用信息。论文题目十分重要，必须用心斟酌选定。有人描述其重要性，用了下面的一句话：“论文题目是文章的一半”。对论文题目的要求是：准确得体：简短精炼：外延和内涵恰如其分：醒目。(二)作者姓名和单位(Authoranddepartment）这一项属于论文署名问题。署名一是为了表明文责自负，二是记录作用的劳动成果，三是便于读者与作者的联系及文献检索(作者索引)。大致分为二种情形，即：单个作者论文和多作者论文。后者按署名顺序列为第一作者、第二作者……。重要的是坚持实事求是的态度，对研究工作与论文撰写实际贡献最大的列为第一作者，贡献次之的，列为第二作者，余类推。注明作者所在单位同样是为了便于读者与作者的联系。(三)摘要(Abstract）论文一般应有摘要，有些为了国际交流，还有外文(多用英文)摘要。它是论文内容不加注释和评论的简短陈述。其他用是不阅读论文全文即能获得必要的信息。摘要应包含以下内容：①从事这一研究的目的和重要性;②研究的主要内容，指明完成了哪些工作;③获得的基本结论和研究成果，突出论文的新见解;④结论或结果的意义。(四)关键词(Keywords）关键词属于主题词中的一类。主题词除关键词外，还包含有单元词、标题词的叙词。主题词是用来描述文献资料主题和给出检索文献资料的一种新型的情报检索语言词汇，正是由于它的出现和发展，才使得情报检索计算机化(计算机检索)成为可能。主题词是指以概念的特性关系来区分事物，用自然语言来表达，并且具有组配功能，用以准确显示词与词之间的语义概念关系的动态性的词或词组。
标题的写作要求概括起来有以下三点：1.准确毕业论文的标题要能够直接揭示论点或课题，要明确，使人看了标题便知晓文章的大体轮廓、所论述的主要内容以及作者的写作意图，不能过于抽象，似是而非，使读者百思不得其解。如《理想与现实》、《一个既简单又复杂的文本》、《伤痕是那陈年的华丽》、《人、法与情》等这样的标题会使读者一时难以了解文章写的是什么，必须加上副标题进行补充说明。一般来说，文学化、形象化的语句不适合作毕业论文的标题。另外，标题中也不能采用生冷偏僻的词汇。毕业论文的标题在明确的基础上还要写得具体，能使读者准确地把握论文的基本论点或论题。目前，不少毕业论文经常使用诸如“……的研究”这类标题，这种写法不是不可以用，但对一篇几千字的本科毕业论文来说，显得空泛。如《倪瓒山水画研究》这个题目就比较大，容易流于空疏，而修改后的题目———《试论隐逸文化对倪瓒山水画创作的影响》则更具体集中，适合作为本科毕业论文的题目。2.简练论文的标题不宜过长，过长了容易使人产生繁琐和累赘的感觉，得不到鲜明的印象，从而影响对文章的总体评价。如《生动活泼的画像石艺术———从山东安丘汉墓画像石的艺术风格看东汉时期画像石的艺术成就》，在这三十八个字的标题中，“画像石”“艺术”两个词各出现了三次。论文的意思虽然表达清楚了，但略显冗长，可以修改为《从安丘汉墓画像石看东汉画像石的艺术成就》，或者《东汉画像石的艺术成就———以安丘汉墓画像石为例》。通过对照，可以很明显地看到经过修改后的题目鲜明了许多。标题是否简练鲜明主要在于作者的概括力与表现力，我们要善于思考提炼出简练醒目的标题。3.新颖标题要有独特之处，要能体现出作者的创新性，使读者获得启发。我们在拟定论文标题时，要注意分析前人的已有研究成果，尽量避免与他人同类论题相似。以古代文学研究为例。在以往的研究中，关于著名作家作品的研究成果较多，学生在选择毕业论文题目时就一定要注意研究切入的角度，力求有独到之处。例如以往人们对南朝诗人谢朓的研究多局限在他的山水诗上，而论文《试论家族传统对谢朓人生及诗歌创作的影响》(北京大学李鹏飞)则从家族传统入手，论点鲜明，论据充分，对谢朓的研究有新的发现。又如论文《东坡词与〈世说新语〉》(中山大学郭幸妮)将苏东坡词和《世说新语》联系起来考察，这在以往的研究中尚不多见。新颖的标题会激起读者的阅读兴
问题一：论文选题目的和意义 选题意义和目的一般作为开题报告里面的第一块内容,是阐述你所研究的这个选题有没有研究价值或者说讨论价值的,写开题报告的目的，其实就是要请导师来评判我们这个选题有没有研究价值、这个研究方法有没有可能奏效、这个论证逻辑有没有明显缺陷. 写意义的时候根据你的选题来决定形式 可以分现实意义和理论意义 也可以不细分,把目的和意义和在一起写,总之突出你观点的新颖和重要性即可 建议可以从这两点来叙述,不过要根据自己的选题,不要生搬硬套: 1. (你的选题)是前人没有研究过的,也就是说研究领域中一个新颖有意义的课题,被前人所忽略的 2. 前人有研究过,或者说阐述过但是没有阐述论证的足够全面,你加以丰满,或者驳斥前人的观点, 总之,意义和目的一定要叙述的清晰并且是有一定新意的 其次注意自己所使用的理论,你是用什么理论证明你的观点 也要叙述清楚,否则难以有说服力 在做文献综述和国内外研究水平的评价等等也要有翔实的根据 这样才能衬托出你的选题的意义所在 问题二：毕业论文选题研究意义怎么写？ 开题报告主要包括以下几个方面： （一）论文名称 论文名称就是课题的名字 第一，名称要准确、规范。准确就是论文的名称要把论文研究的问题是什么，研究的对象是什么交待清楚，论文的名称一定要和研究的内容相一致，不能太大，也不能太小，要准确地把你研究的对象、问题概括出来。 第二，名称要简洁，不能太长。不管是论文或者课题，名称都不能太长，能不要的字就尽量不要，一般不要超过20个字。 （二） 论文研究的目的、意义 研究的目的、意义也就是为什么要研究、研究它有什么价值。这一般可以先从现实需要方面去论述，指出现实当中存在这个问题，需要去研究，去解决，本论文的研究有什么实际作用，然后，再写论文的理论和学术价值。这些都要写得具体一点，有针对性一点，不能漫无边际地空喊口号。主要内容包括：⑴ 研究的有关背景(课题的提出)： 即根据什么、受什么启发而搞这项研究。 ⑵ 通过分析本地（校） 的教育教学实际，指出为什么要研究该课题，研究的价值，要解决的问题。 （三） 本论文国内外研究的历史和现状（文献综述）。 规范些应该有，如果是小课题可以省略。一般包括：掌握其研究的广度、深度、已取得的成果；寻找有待进一步研究的问题，从而确定本课题研究的平台(起点)、研究的特色或突破点。 （四）论文研究的指导思想 指导思想就是在宏观上应坚持什么方向，符合什么要求等，这个方向或要求可以是哲学、政治理论，也可以是 *** 的教育发展规划，也可以是有关研究问题的指导性意见等。 （五） 论文写作的目标 论文写作的目标也就是课题最后要达到的具体目的,要解决哪些具体问题，也就是本论文研究要达到的预定目标：即本论文写作的目标定位，确定目标时要紧扣课题,用词要准确、精练、明了。 常见存在问题是：不写研究目标；目标扣题不紧；目标用词不准确； 目标定得过高, 对预定的目标没有进行研究或无法进行研究。 确定论文写作目标时，一方面要考虑课题本身的要求，另一方面要考率实际的工作条件与工作水平。 （六）论文的基本内容 研究内容要更具体、明确。并且一个目标可能要通过几方面的研究内容来实现，他们不一定是一一对应的关系。大家在确定研究内容的时候，往往考虑的不是很具体，写出来的研究内容特别笼统、模糊，把写作的目的、意义当作研究内容。 基本内容一般包括：⑴对论文名称的界说。应尽可能明确三点：研究的对象、研究的问题、研究的方法。⑵本论文写作有关的理论、名词、术语、概念的界说。 （七）论文写作的方法 具体的写作方法可从下面选定： 观察法、调查法、实验法、经验总结法、 个案法、比较研究法、文献资料法等。 （八）论文写作的步骤 论文写作的步骤，也就是论文写作在时间和顺序上的安排。论文写作的步骤要充分考虑研究内容的相互关系和难易程度，一般情况下，都是从基础问题开始，分阶段进行，每个阶段从什么时间开始，至什么时间结束都要有规定。课题研究的主要步骤和时间安排包括：整个研究拟分为哪几个阶段；各阶段的起止时间 希望我们可以帮你。硕士本科开题报告以及论文写作是我们特长，我们的服务特色：支持支付宝交易，保证你的资金安全。3种服务方式，文章多重审核，保证文章质量。附送抄袭检测报告，让你用得放心。修改不限次数，再刁难的老师也能过。 1、论文题目：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、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......>> 问题三：研究目的和意义 目地：就是写你们为什么要研究或探讨、想要得出什么结论！；意义：就憨研究完以后得出的结论以及你们做完研究有什么收获。感想之类！总之最重要的是结论啦 问题四：毕业论文选题意义和目的的区别 意义是你选的这个题目对现实社会和理论上有什么好处和作用，而目的是你通过做这个论文要达到一个什么效果。意义是已经发生了的，目是预期的。这是最简单的区别。 问题五：论文选题目的和意义 1、选题的大小一定要适中，难易要适度 ........ 选题的方法。注意两点：一是选题的大小一定要适中，难易要适度。我们从本科生写论文的实践上看，主要有两种情况需要注意：一种是选题比较小。因为自己的资料积累的少，视野比较窄，从某种意义上来说，对自己所学的知识的概括还不够。所以选题呢，比较小。选题小就撑不开。有些学年论文一般3000字，这个训练习惯了，选题一选就选小了。你选题8000字到10000字的，大小要适中，另外难易要适度。就是说你不要选难度特别大的，你自己控制不住。这是一个方面。还有一种情况是选题过大。选题过大的情况，一般是搜集的材料特别丰富，一下子就觉得什么也要说，就选了个大题目。当然有的同学并不知道什么样的题目叫大，什么样的题目叫小。脑子里有个题目就马上出来了。或者是他脑子里什么题目都没有就盲目的去搜集材料，这就更危险。 比如有个学生，他写的一个题目叫《WTO与保密工作》，这个题目太大，完全可以写出一个博士论文了。WTO是个大架势，保密工作没有时间限制，到底从哪里开始呢？如果是当代，那你就应该说当代保密工作或者说近几年的。所以我让他换题目。为他是个自考学生，他的题目给我的时候就已经连论题、提纲和论文就都出来了。他们以为写了论文稿给老师就可以了。这是一个很大的失误。你们以后选了题目以后，一定要注意先跟老师沟通一下。老师对题目的大小、难易都把握好，通过以后，你们再去列提纲，再去写论文。 问题六：毕业论文选题的目的和意义怎么写 选题意义和目的一般作为开题报告里面的第一块内容,是阐述你所研究的这个选题有没有研究价值或者说讨论价值的, 写开题报告的目的，其实就是要请导师来评判我们这个选题有没有研究价值、这个研究方法有没有可能奏效、这个论证逻辑有没有明显缺陷. 写意义的时候根据你的选题来决定形式 可以分现实意义和理论意义 也可以不细分,把目的和意义和在一起写,总之突出你观点的新颖和重要性即可 建议可以从这两点来叙述,不过要根据自己的选题,不要生搬硬套: 1. (你的选题)是前人没有研究过的,也就是说研究领域中一个新颖有意义的课题,被前人所忽略的 2. 前人有研究过,或者说阐述过但是没有阐述论证的足够全面,你加以丰满,或者驳斥前人的观点, 总之,意义和目的一定要叙述的清晰并且是有一定新意的 其次注意自己所使用的理论,你是用什么理论证明你的观点 也要叙述清楚,否则难以有说服力 在做文献综述和国内外研究水平的评价等等也要有翔实的根据 这样才能衬托出你的选题的意义所在 问题七：论文选题背景及意义怎么写 10分 开题报告一般要概括地写出作者意图，主要运用何种理论，要达到的目的。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。 有几种写法：第一种是写明调查的起因或目的、时间和地点、对象或范围、经过与方法，以及人员组成等调查本身的情况，从中引出中心问题或基本结论来；第二种是写明调查对象的历史背景、大致发展经过、现实状况、主要成绩、突出问题等基本情况，进而提出中心问题或主要观点来；第三种是开门见山，直接概括出调查的结果，如肯定做法、指出问题、提示影响、说明中心内容等。前言起到画龙点睛的作用，要精练概括，直切主题。
1、论文题目：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、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。 主题词是经过规范化的词，在确定主题词时，要对论文进行主题，依照标引和组配规则转换成主题词表中的规范词语。 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-论点； b.分析问题-论据和论证； c.解决问题-论证与步骤； d.结论。 6、一篇论文的参考文献是将论文在和写作中可参考或引证的主要文献资料，列于论文的末尾。参考文献应另起一页，标注方式按《GB7714-87文后参考文献著录规则》进行。 中文：标题--作者--出版物信息（版地、版者、版期）：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。
你可以选择从古代入手试下啊，反论嘛，
哎哟 这个可有一点难度呢亲，需要的话 也可以给你呢。
你好的！+++++++++++++++++++++++++++流动性是一个市场的公共属性，是变现能力的体现。由于沪深股票市场交易机制与很多国外的交易机制存在区别，国外的流动性度量体系，在我国市场是无法使用的，而随着开放式基金的陆续推出，开放式基金流动性风险管理变的非常迫切，市场流动性研究变的极为重要。本文首先比较了国外报价驱动交易机制与中国沪深证券市场指令驱动交易机制的区别。讨论了中国沪深股票市场交易机制及深圳大宗交易机制对于流动性的影响，大宗交易机制通过直接增加交易量达到增加流动性的目的，并通过对于市场波动性和透明性的影响，间影响市场流动性。在报价驱动交易机制下，流动性是由做市商提供的，流动性的基础指标包括：流动性宽度与流动性深度，分别反映了bid-ask价差，和bid、ask对应的交易量的平均。由于交易机制的区别，中国沪深证券市场指令驱动交易机制在任意一个给定时刻，价差（成交价格与均衡价格之间产生偏离）通常是委托数量的增函数（报价驱动交易机制下，反之），任意时刻的宽度和深度是不独立的，所以在指令驱动的交易机制（连续竞价交易时）下，不可能在任意时刻同时存在宽度和深度等在报价驱动交易机制下具有的流动性度量指标。
浦发银行2012 年上半年业绩大幅超越市场预期浦发银行2012 年上半年实现归属股东的净利润 亿，同比增长，增速略低于我们在7 月31 日报告中的判断（35%以上），但是大幅超出市场预期（20~25%），主要受益于良好的成本控制（成本收入比同比下降 个百分点）和拨备释放。要点收入增长趋势偏弱。2 季度生息资产规模环比增长8%，但经营收入环比仅增长1%。收入增长趋势弱于已披露业绩的华夏和兴业银行：► 2 季度净息差环比下降。由于期末冲规模较多，期初期末余额计算得到的2 季度净息差环比下降16bp 可能夸大了事实，但是仍体现了息差下行的方向。我们认为净息差下行的主要原因是同业业务收益下降，如净利息收入中同业业务的贡献比例由去年下半年的31%降至26%，而同业资产在总资产中的占比基本持平。► 手续费收入受监管影响较大。环比来看，2 季度净手续费收入增长11%，基本正常。但是上半年同比分析显示，受监管严格的影响，顾问咨询费同比下降57%，拖累了中间业务收入的表现。资产质量如期承压。作为以长三角为基础的银行，江浙沪三地贷款占浦发总贷款的40%，因此浦发在此轮江浙信贷违约潮中备受压力。2 季度不良余额环比继续上升，关注类贷款增长，基本符合预期。上半年逾期贷款较年初大幅增长，其中主要受90 天以内逾期贷款增长112%推动。浦发资产质量压力较大早已是市场共识，我们已经在模型中纳入2012 年不良贷款增长65%，相当于全年新增不良贷款38 亿，目前上半年新增不良约 亿，与我们的预期基本一致。估值与建议维持审慎推荐。浦发目前交易于 倍2012 年市净率，当前股价已经低于上半年每股净资产( 元)。我们的测算显示在2012年末不良率达到的情况下，浦发的净资产才会被不良贷款侵蚀。目前的股价已经反映了较为悲观的资产质量预期，维持审慎推荐评级。（中金公司 2012年8月5日）
我在（商业全球化 ）刊物里看到了一些，如“证券投资策略相关研究综述”、“中国股票多头私募证券投资基金的风险因子研究”……
这个你要参加论文去做的嘛？
AnchorFree有两种不同的输出方式，一种是它可以作为一个路由器来连接多台设备，另一种是它可以直接插入一台设备，并将网络信号传输给此设备。
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（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}= 。
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，学习速率延迟为。Learning schedule为：第一轮，学习速率从缓慢增加到（因为如果初始为高学习速率，会导致模型发散）；保持速率到75轮；然后在后30轮中，下降到；最后30轮，学习速率为。
作者还采用了dropout和 data augmentation来预防过拟合。dropout值为；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）。
Anchorfree的输出可以有多个。它是一种网络安全解决方案，它可以帮助您保护您的网络流量，并且可以防止您的网络流量被窃取或拦截。它可以让您在网络上自由浏览，而不必担心被攻击者攻击或拦截。Anchorfree的输出可以通过它的安全服务器来实现，它可以帮助您访问被墙的网站，并且可以提供更安全的网络连接。此外，Anchorfree还提供了一些其他的安全功能，例如VPN，可以帮助您更好地保护您的网络安全。
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 ：
plant cell 审稿流程如下：文章投稿成功后，编辑部一般会进行登记，并交给相关栏目的编辑进行初审。 编辑初审是指编辑人员对论文稿件进行初步审查和评价,以决定是退稿、退修、或者送专家评审。扩展资料：plant cell即《植物细胞》，是美国植物生物学家学会出版的生命科学领域学术刊物。即《植物细胞》，是著名学术刊物，影响因子10左右，在SCI植物类非评论性杂志中排名第一。SCI所收录期刊的内容主要涉及数、理、化、农、林、医、生物等基础科学研究领域，选用刊物来源于40多个国家，50多种文字。
The Plant Cell 是世界植物学领域最顶级期刊，影响因子。文章首次论述了植物中茉莉酸促进果实乙烯合成的分子机制。该研究以苹果为试材，阐明了茉莉酸信号通路中的重要转录因子MdMYC2通过转录调控和蛋白互作促进果实乙烯合成的分子机制，结果已在The Plant Cell上在线发表（doi:）。该论文也是中国果树界第一篇由国内实验室独立完成并发表在The Plant Cell 上研究论文。2016年，王爱德教授团队在The Plant Journal 上发表一篇研究论文，影响因子，这两篇论文的第一作者均为王爱德教授指导的果树学专业博士研究生李通，该同学今年6月份毕业以后将赴美国农业部Geneva 实验站从事博士后研究。
The Plant Cell植物学术很高，是世界植物学领域最顶级期刊,相关研究工作会得到国家重点研发计划、国家自然科学基金、国家青年人才计划等的支持。
PlantCell与其他期刊最大的区别在于它更加重视对植物细胞的研究，旨在将研究结果应用到广泛的领域中，尤其是在农业、基因编辑、生物空间等领域。