？？？？？？？
毕业论文一般都会先选题的，根据导师提供的可选题目选一个感兴趣的课题，然后就是根据所选的题目在百度学术或中国知网等一些学术网站上查阅一些近期的相关论文，通过对大量论文的阅读对相关理论等方面的知识进行学习和认识，一般有些计算机专业毕业论文会涉及到相关算法或在某些特定应用场景中的设计实现，相关编程仿真实验就会成为毕业论文的一部分，这时就可以将实验设计、实验过程、实验结果与分析以及前面的一些理论介绍部分整合形成一篇毕业论文。如果没有相关仿真实验的话，一般可能就会涉及到对一些相关算法的对比分析等等。以本科毕业论文为例，字数要求不同学校会有一些差距，一般都在八千到一万二千字之间，查重率一般都要求在百分之二三十以内。如有问题可追问，望采纳。
因为算法类数据出错的概率很小。算法类论文具有探索性，经过文献调研后，针对某一领域欲解决的问题和存在的问题有一定的见解，产生出一个题目，利用自己所学的专业知识加以研究算法类讲究的是正确率和数据所以很少概率会出错，所以算法类论文容易通过是因为算法类数据出错的概率很小。这样做你的毕业论文会比较完整，内容丰富，算法方面基本可以不要求较大的创新。
作为一个着重研究信息系统开发、应用的专业，计算机毕业论文的写作应该更贴合实际出来，可能有很多刚拿到题目的学生不知道改如何着手，下面我们就来了解一下计算机毕业论文怎么写？一、计算机毕业论文的写作方法1、前言部分前言部分也常用"引论"、"概论"、"问题背景"等做标题，在这部分中，主要介绍论文的选题。首先要阐明选题的背景和选题的意义。选题需强调实际背景，说明在计算机研究中或部门信息化建设、企业管理现代化等工作中引发该问题的原因，问题出现的环境和条件，解决该问题后能起什么作用。结合问题背景的阐述，要使读者感受到此选题确有实用价值和学术价值，因而有研究和开发的必要性。前言部分常起到画龙点睛的作用。选题实际又有新意，表明作者的研究方向正确，设计开发工作有价值。对一篇论文来说，前言写好了，就会吸引读者，使他们对作者的选题感兴趣，愿意进一步了解作者的工作成果。2、综述部分任何一个课题的研究或开发都是有学科基础或技术基础的。综述部分主要阐述选题在相应学科领域中的发展进程和研究方向，特别是近年来的发展趋势和最新成果。通过与中外研究成果的比较和评论，说明自己的选题是符合当前的研究方向并有所进展，或采用了当前的最新技术并有所改进，目的是使读者进一步了解选题的意义。综述部分能反映出毕业设计学生多方面的能力。首先是结合课题任务独立查阅中外文献资料的能力，通过查阅文献资料，收集各种信息，了解同行的研究水平，在工作和论文中有效地运用文献，这不仅能避免简单的重复研究，而且也能使论文工作有一个高起点。其次，还能反映出综合分析的能力。从大量的文献中找到可以借鉴和参考的信息，这不仅要有一定的专业知识水平，还要有一定的综合能力。对同行研究成果是否能抓住要点，优缺点的评述是否符合实际，恰到好处，这和一个人的分析理解能力是有关的。值得注意的是，要做好一篇毕业论文，必须阅读一定量（2~3篇）的近期外文资料，这不仅反映自己的外文阅读能力，而且有助于体现论文的先进性。3、方案论证在明确了所要解决的问题和课题综述后，很自然地就要提出自己解决问题的思路和方案。在写作方法上，一是要通过比较，显示自己方案的价值，二是让读者了解方案的独到之处或有创新点的思路、算法和关键技术。在与文献资料中的方案进行比较时，首先要阐述自己的设计方案，说明为什么要选择或设计这样的方案，前面评述的优点在此方案中如何体现，不足之处又是如何得到了克服，最后完成的工作能达到什么性能水平，有什么创新之处（或有新意）。如果自己的题目是总方案的一部分，一定要明确说明自己承担的部分，以及对整个任务的贡献。4、论文主体在这部分中，要将整个研究开发工作的内容，包括理论分析、总体设计、模块划分、实现方法等进行详细的论述。论文主体部分要占4/5左右。主体部分的写法，视选题的不同可以多样，研究型论文和应用开发型论文的写法就有明显的不同。研究型的论文，主体部分一般应包括：理论基础，数学模型，算法推导，形式化描述，求解方法，软硬件系统的实现及调试，测试数据的分析及结论。要强调的是，研究型论文绝不是从推理到推理的空洞文章。研究型论文也应有实际背景，也应有到企业和实际部门调研的过程，并在实际调查研究中获取信息，发现问题，收集数据和资料。在研究分析的基础上，提出解决实际问题的、富有创建性的结论。应用开发型的论文，主体部分应包括：总体设计，模块划分，算法描述，编程模型，数据结构，实现技术，实例测试及性能分析。以上内容根据任务所处的阶段不同，可以有所侧重。在整个任务初期的论文，可侧重于研究与设计，在任务后期的论文可侧重于实现与应用。但作为一篇完整的论文应让读者从课题的原理设计，问题的解决方法，关键技术以及性能测试都有全面的了解，以便能准确地评判论文的质量。论文主体部分的内容一般要分成几个章节来描述。在写作上，除了用文字描述外，还要善于利用各种原理图、流程图、表格、曲线等来说明问题，一篇条理清晰，图文并茂的论文才是一篇好的论文。5、测试及性能分析对理工专业的毕业设计论文，测试数据是性能评价的基础，必须真实可靠。通过测试数据，论文工作的成效可一目了然。根据课题的要求，可以在实验室环境下测试，也可以在工作现场测试。在论文中，要将测试时的环境和条件列出，因为任何测试数据都与测试环境和条件相关，不说明测试条件的数据是不可比的，因此也是无意义的。测试一般包括功能测试和性能测试。功能测试是将课题完成的计算机软硬件系统（子系统）或应用系统所要求达到的功能逐一进行测试。性能测试一般是在系统（子系统）的运行状态下，记录实例运行的数据，然后，归纳和计算这些数据，以此来分析系统运行的性能。测试实例可以自己设计编写，也可以选择学科领域内公认的、有一定权威性的测试实例或测试集。原则是通过所选择（设计）的实例的运行，既能准确反映系统运行的功能和性能，与同类系统又有可比性。只有这样，论文最后为自己工作所做的结论才有说服力。6、结束语这一节篇幅不大，首先对整个论文工作做一个简单小结，然后将自己在研究开发工作中所做的贡献，或独立研究的成果列举出来，再对自己工作的进展、水平做一个实事求是的评论。但在用"首次提出"、"重大突破"、"重要价值"等自我评语时要慎重。7、后记在后记中，主要表达对导师和其他有关教师和同学的感谢之意。对此，仍要实事求是，过分的颂扬反而会带来消极影响。这一节也可用"致谢"做标题。8、参考文献中外文的参考文献应按照规范列举在论文最后。这一部分的编写反映作者的学术作风。编写参考文献要注意：（1）要严格按照规范编写，特别是外文文献，不要漏写、错写；（2）论文内容和参考文献要前后对应，正文中凡引用参考文献的地方应加注；（3）列出的文献资料应与论文课题相关，无关的文献只会使读者感到作者的研究目标很分散；（4）选择的参考文献应主要是近期的。二、计算机写作注意事项1、设计（论文）题目：按照小题目。封面XXXXX学院毕业设计（论文）、 届 分院（系）2、摘要：不要主语，英文中无法表达时可用被动语态3、关键词：体现设计（论文）主要工作的词语4、目录：自动生成，的格式，最多到 5、正文中文献引用要客观，别人的成果要说明，不要据为己有；自己的成果要突出。不清楚的图必须修改（可用word画或者AutoCAD画），表格尽量采用三线表6、参考文献：至少要有两篇英文文献7、致谢（不是致辞）8、附录（若多于一个附录，可用附录一、附录二，……）9、各部分格式要求，严格按照毕业设计手册执行三、计算机论文编辑技巧1、文档结构图的妙用 格式修改时可先将全文设置为正文格式（新罗马与宋体的博弈），然后将三级标题以上标题按照三级标题提出来，再将二级标题以上标题按照二级标题提出来，最后将一级标题提出来。提出标题时注意使用大纲级别。 提出大纲级别后，可用文档结构图轻松导航文档。还可自动生成目录（插入-引用-索引和目录-目录）。2、图的裁剪与组合（建议采用浮于文字上方的方式）、文本框的妙用、公式的编辑（变量用斜体、下标用的i、j、k用斜体，其余用正体。公式中出现汉字怎么办？用拼音加加输入法输入汉字）3、表格的编辑4、上下标的使用（自定义word菜单）5、分节符的使用6、目录自动生成（页码的问题），目录可单独取文件名（写字板的运用），也可放到正文前面7、样式与格式的自动更新功能8、页眉设置（去掉横线）9、文档的备份（防止病毒感染、U盘丢失、计算机故障）
毕业论文是每位学生四年大学学习成绩的体现，同时也是检验教师教学效果和教学工作的重要一环， 因此，各位指导教师和学生要引起高度重视。 要彻底改变以前那种只有少数人参加答辩，其余的论文全部通过的局面。 此次我系所有的95年级学生都要参加答辩，对于答辩效果差的要重新答辩，以致于延迟毕业。 2、系里不定期将抽查学生毕业论文的进度和教师指导情况并通报全系。 3、每位学生要独立完成论文，对于两个或两个以上的学生共同完成一个论文题目的， 要求每个学生要完成一部分，否则不予通过。 4、论文最后上交日期为：6月18日。无特殊理由，延迟上交者，不予以答辩，一切责任自负。 5、上交毕业论文时，要上交存放有论文涉及到的软件、文档、图片等一切和论文有关文件的 磁盘和论文文档（格式见后），系里在论文答辩后，在公布最后成绩前要指派专人检查这些文档、 有关的程序等。有出入或信息不全的要在最后的成绩中适当扣除。 6、论文答辩日期：1999年6月21日-6月25日，具体时间和答辩顺序另定。 7、论文书写格式。 论文全部要采用word 7来书写，文件名统一为“report95´ ´ .doc”，其中´ ´ 代表自己的学号。 学位论文一般应包括下述几部分： 论文首页格式如图所示： 1. 其中学位论文题目用黑体二号字，其余用宋体四号字 2. 论文题目应能概括整个论文最重要的内容，简明、恰当，一般不超过25个字。 中文摘要及其关键词（宋体5号字b5排版）： 3. 论文第二页为500字左右的中文内容摘要，应说明本论文的目的、研究方法、成果和结论。 学位论文摘要是学位论文的缩影，尽可能保留原论文的基本信息，突出论文的创造性成果和 4. 新见解。论文摘要应尽量深入浅出，通俗易懂，少用公式字母，语言力求精炼、准确。 在本页的最下方另起一行，注明本文的关键词3╠5个。 5. 英文摘要及其关键词（宋体5号字b5排版）： 论文第三页为英文摘要，内容与中文摘要和关键词相同
去看（计算机科学与应用）这样的论文~~~
毕业论文一般都会先选题的，根据导师提供的可选题目选一个感兴趣的课题，然后就是根据所选的题目在百度学术或中国知网等一些学术网站上查阅一些近期的相关论文，通过对大量论文的阅读对相关理论等方面的知识进行学习和认识，一般有些计算机专业毕业论文会涉及到相关算法或在某些特定应用场景中的设计实现，相关编程仿真实验就会成为毕业论文的一部分，这时就可以将实验设计、实验过程、实验结果与分析以及前面的一些理论介绍部分整合形成一篇毕业论文。如果没有相关仿真实验的话，一般可能就会涉及到对一些相关算法的对比分析等等。以本科毕业论文为例，字数要求不同学校会有一些差距，一般都在八千到一万二千字之间，查重率一般都要求在百分之二三十以内。如有问题可追问，望采纳。
又是一年一度毕业季，前阵子经常有一些师弟来问我，毕设选题应该怎么选，毕业论文应该怎么写，感觉大家都挺迷茫的，那我就跟大家稍微分享一下我自己的经验吧。首先声明，此文章针对小白，为那些没有写过论文并且不知道如何下手的同学，大神莫喷哈。关于计算机基础薄弱的同学如何快速的写一篇毕业论文，我个人的建议是:做工程性的毕业设计和论文，别选算法类型的论文，并不是因为算法文章不好水过去，其实算法的文章也非常好水过去，但是有风险，当你做的非常水的时候，例如直接从github摘抄一个算法然后把算法的公式哔哩吧啦讲了一遍，老师都是一眼就看明白的，他想放过你可以让你过，但是假设他心情不好或者跟你关系一般想要为难你，那就比较难搞了。而且选一个算法方向的毕业设计并且水过去的话，对你本身来说是没有任何帮助的。那选择工程性的毕业设计和论文有什么好处呢?1.真的可以学的到东西，对于大部分想找开发岗位的同学的就业来说也是有帮助了。2.文章比较好写，逻辑非常明确，不用担心凑不到字数。说了这么多，下面就来讲如何写一篇关于计算机的论文(工程性的设计)。首先是选题，一般老师都会提供若干个选题给你选，其中必然包括几个“XX系统的设计与开发”，这样的选题就是符合我们前面的假设和预想的。盘他!假设我现在选了一个题目是“基于SSM的XX网上商城的设计与开发”。选完题目就面临着一个问题:是先做开发还是先写文章，或者是一边写一边开发。我的建议是一边写一边开发。原因是:开发的过程是需要写一些文案的，比如需求分析、数据库的表结构的关系、整个系统的交互逻辑等等。而这些文案是可以出现在我们的论文当中的。那接下来就说一下如何开发和写文论，当然某些开发过程我只能粗略的说一下。1.摘要:这是所有论文的第一个小title，说他恶心有时候也恶心，说他简单也是蛮简单的。那么这一部分究竟是要写什么的?由于这一部分需要展现出做这个系统的必要性、开发这个系统的实现方式、系统的功能和系统的作用。所以可以这样写:随着中国经济的高速发展以及网络技术的普及，互联网的技术得到全面的发展，中国的各行各业都在互联网的影响下发生了变革。互联网的快速发展催生了许多产业，其中最具代表性的便是电子商务，电子商务使得企业和客户的营销关系由实体店销售准换为网络电子商务营销。马云曾说:“让天底下没有难做的生意”，越来越多的店家选择在网上开店，使得交易不再限制于天南地北，同时也大大降低了店家的经营成本，在提高收益的同时，也方便了客户，本课题正式在这种背景下应运而生。本课题介绍了“基于SSM的XX网上商城”的开发环境、需求分析、界面设计和数据库设计以及涉及到的框架。本系统采用了B/S架构，使用了Java、HTML、JS等语言，使用了主流的后台开发框架SSM(spring+springMVC+Mybatis)，以及采用了开源的轻量级数据库Mysql进行开发，为网络商城提供了前端展示和后台管理的模块，实现了注册、登录以及购物等主要功能，为消费者提供了便捷快速的购物体验，以及为提高了店家的销售效率。关键字:网上商城，SSM，Java，HTML，JS，MySQL(关键字一般就是把摘要中提及到的关键性技术提取出来，让阅读者一目了然，知道哪些是重点)Abstract:......(英文摘要建议谷歌翻译，然后把明显错误的地方修改一下即可)2.第一章:引言这一部分也是比虚的，其实随便扯一扯就可以了，一般包含以下几部分1.背景2.研究内容。其中背景主要讲一些关于社会发展的趋势导致了一些什么问题，而这些问题又应该如何去解决，多说几句，写到两三百字即可。研究内容就是针对上述的背景我们如何进行改进。细心的同学可能会说，感觉跟摘要有些重复。是的!这两部分内容其实是挺重复的，但是没关系，不过不要使用完完全全一样的话去描述，因为最后论文查重的时候会对文章自引用进行查重的。这一部分也是三五百字即可。3.第二章:系统的开发技术介绍这一部分是需要我们在正式开发之前做好的技术调研，然后对这一部分的技术进行详细的介绍。这一部分我不可能细讲，因为内容太多了，而且对于不同的项目有不同的内容，在查阅资料的过程也是提升技术的一个重要的环节，你可以真真切切的了解到开发一个工程是需要哪方面的知识，因此我就对我所选的这个课题应该使用到的技术栈进行一下介绍，也算是抛砖引玉，各位同学可以根据自己的实际情况进行撰写。开发不同的系统虽然涉及到的业务逻辑不同，处理方式也千差万别，但是本质上都是一样的，都是前端界面通过服务器跟数据库进行数据交互的一个过程，涉及到的内容也无非就是前端、后台和服务器。但是有一个需要注意的点，就是不要把HTML、JAVA等使用的语言介绍也给堆在这里，老师没细看还好，细看还是会显得太水字数了，记住，写工程性的课题不怕没字数。那问题来了，语言介绍不给写那应该些什么呢?应该写涉及到的框架、使用的工具。这些就够了，随随便便就几千字了。下面举例简单说明一下。a. 前端强调一下，不要把HTML、CSS等一下前端的规范展开来写，可以轻描淡写，但篇幅不能过多。这里可以写前端框架的使用，比如使用npm管理包(可以介绍一下npm以及在工程中的使用)、vue的使用(同样可以介绍vue框架以及应用)、element(element以及使用他的好处)等等。也希望同学在做毕设的过程中要真的去了解这些技术并且去使用它，相信我，看完再去用你的技术会有质的飞跃。b. 后台这一部分是重点，对于本课题来说，标题就写了是基于SSM的。对于这个java框架并不熟悉的同学来说建议先去查一下资料，而且很多同学会有疑问，使用技术框架的目的就是为了让开发更加的便捷和快速，但是为什么我们自己在开发的过程中会感觉好像变得更加复杂?很负责任的告诉你，是正常的。因为框架不仅会帮我们封装好一些常用的方法，而且会考虑到更新迭代以及代码可读性等等的一系列的问题，某些规定和配置我们之所以没有感受到他的好处是因为这种校园内的开发并不涉及生产问题，也不会有很多的更新迭代，更加不会考虑到代码的可读性。例如spring的工厂，一开始使用的时候很多同学会觉得为什么我new一个类的时候还要去改配置文件，直接new不香吗?直接new是很香，但是你考虑到真正去工作的时候，假设你要改类的一些关系的时候，还要去改代码，当工程一大，代码去哪里找呢?一个一个文件看吗?显然是非常不可取的，效率非常低，这个时候配置文件的优势就发挥出来了，直接修改配置文件，不需要更改代码，耦合性也大大的降低。好像跑题了，说了这么多就告诉同学们，要沉住气，理解框架这样设计背后的原因，对大家自身技术的提高非常的有帮助!那这一部分我们就可以介绍spring(包括spring的IOC、spring的工厂、spring的AOP等等，并且可以在论文中强调如何应用到我们的系统当中)、springMVC(这一部分可以讲解srpingMVC作为一个连接前端和数据库的工具在实际工作过程中的具体流程，也可以讲述springMVC的分层的概念以及如何应用)、Mybatis(包括跟JDBC的关系、mybatis依赖的配置、使用到的接口、动态代理、一级缓存和二级缓存以及延迟加载等等的一些技术问题)c. 服务器和数据库这一部分可以介绍一下用来搭建服务器的工具和所使用的数据库。假设你是使用了云服务器来搭建了，可以详细介绍一下云服务器的搭建过程包括防火墙、端口等等内容。一般服务器使用tomcat进行搭建，可以把tomcat介绍一下并且介绍一下tomcat是如何监听和解析用户请求的具体流程。一般小型的项目采用MySQL作为数据库，可以详细说一下选择MySQL的原因，比如相对于Oracle的好处。可以介绍一下MySQL数据库的一些特点包括分页、是否支持事务等等。4.第三章:需求分析这一部分是针对具体的业务场景来分析需要开发哪些功能，这一部分可以让你感受一下产品经理的职责，只不过不需要跟程序员对接，因为你自己就是程序员哈哈。一般来说分成两部分就可以了，一部分是对于前端的业务流程，另一部分就是后台服务器的业务流程，可以使用一些软件来绘画流程图，想图个方便可以直接使用word自带的图形进行编写，也不至于难看，就比较简约。想做的好看点的话个人推荐使用xmind，非常简单，可以快速做出美观的流程图。如果没有什么思路，那前端就按照着使用者的逻辑去写，比如用户需要注册、登录、找回密码、购物、退货等操作，那后端就对应着这些前端逻辑需要有相应的业务处理。个人感觉这一部分比较好写，就不再赘述。5.第四章:系统的设计和实现这一部分可以挑选一些有代表性的功能出来细讲，有些同学可能会有疑问，论文可不可以贴代码呢?答案是可以的。但是我个人的建议是贴伪代码，不要把你写的长篇大论的代码全部放进去，不好看而且逻辑混乱，应该做的是把代码抽取为伪代码，贴代码的目的是为了让阅读者清晰地读懂你是如何实现这个功能的，他并不会在意你的语法你的命名。下面列举若干个可以写的内容，并不限于此。a. SSM框架的整合。如何使用Spring来整合并且管理SpringMVC和. 客户登录状态保存的实现。这一部分可能会涉及到cookies，sessions以及http报文解析等等，都可以详解。c. 后台商品管理的功能。这一部分可以根据管理员的后台管理功能进行描写。d. 商品搜索功能。可以涉及到数据库的模糊搜索。e. 数据库表格的设计。可以体现数据库表格设计的时候如何遵守三范式。f. 可以写在开发过程中遇到的一些疑难杂症。g. 可以写开发过程中使用到的一些比较具有亮点的语言特性。比如java的多线程、lambda表达式。又比如实现注册功能的时候使用的正则表达式。……等等数不胜数。6.第五章:运行结果这一部分非常好写了。截取一些关于你的系统的界面并且介绍一下功能，尽量说详细点，就ok了。7.第六章:总结以及展望这一部分也是比较水的一部分，但是也希望同学们认真写一写。可以写一下你开发这个项目的过程中学习到了什么，可以是XX技术，也可以是艰苦奋斗的精神……。展望可以写有望发展成另外一个淘宝……开玩笑开玩笑，总之劈里啪啦凑个几百字即可。8.参考文献把你开发过程中参考过的文章、论文贴进去之后，往往会发现参考文献不够，太少了!那怎么办呢?那就贴一些关于使用的技术的文章或者参考手册咯，虽然大部分是没看过的，但是还是希望大家可以多少看一看(正义之气跃然纸上)。去知网查找参考文章然后添加到你的参考文献是非常方便的，只需要找到对应的文章并且选择“引用”功能，即可自动生成引用的文字，直接复制到你的论文中。9.致谢第一步，感谢你的导师，感谢你的院领导，感谢你的校领导。说的好听后可能答辩的时候不会太为难你……然后你要感谢你的家人你的舍友你的朋友或者是你家的狗(开玩笑)，都可以的，这一部分又轻轻松松两百字。至此，一篇论文就写完了，是不是觉得挺简单的呢?呸!简单个鬼，明明就这么多字，还要看这么多资料，还要自己写代码。确实，要认真完成不是一件简单的事情。但是我前面强调过了，这是针对那些基础一般但是想学东西的同学。当你独自完成这个课题后，你会发现自己的东西简直太多太多了。而且春招即将来临，许多问题在你面试的过程中也会遇到，而且也不至于跟面试官说我什么项目都没做过……
放心。 都是和你做的这个题目相关的问题，比如某个功能的具体实现过程或者是具体的流程等等，只要这个东西是你自己做的，你就没有必要担心。因为你每个流程都了解，只要你不是过于紧张，什么都说不上来了，你就不可能得不及格，而且你还很可能得到优。再说asp语言很简单，就即使不是你自己做的，你也可以找别人把大概的流程给你讲一讲，估计到时也应该没有什么问题。毕业答辩并不是像你想象的那么难。
学术堂整理了答辩时老师经常会问的几个问题及回答方法，供大家进行参考：Q1你为什么选择这个题目A：选题问题可能涉及到你的研究兴趣以及以后的研究方向如果你已经有了明确的研究方向，之前已经认真了解过，可以大胆的告诉导师，如果还没有确定研究方向，可以和老师说说你的选题来源以及之前搜集过的资料Q2你的论文价值是什么？A：论文价值问题一般考察你对于现实的关注以及思考问题的能力这一部分可以回答一些论文的现实意义：对目前研究的领域有什么帮助、提出了什么问题、有什么解决方法等等Q3你的论文理论基础是什么？A：理论基础考查的是专业能力以及基础知识的掌握程度回答时要逻辑清晰，突出知识性和专业性，用专业的理论知识来阐述你的论文框架和论文内容，切不可用口语化语言。Q4你的文献综述是如何形成的？A：文献综述可以看出你的研究能力以及搜集资料的能力这个问题可以说是最简单的，阐明获取资料的渠道，如知网、学术网站、图书馆等。Q5你的毕业论文进行的研究方法是什么？A：一些专业在初试中可能不会重点考察研究方法问题，但是在研究实践中研究方法却是基础，所以基础研究方法还没掌握的同学可要好好补补课了，不然没有研究方法怎么做毕业论文的研究啊。Q6简单说说你的论文研究思路A：这就是考察你的语言表达能力了毕竟毕业论文动辄几千字，而你要将你的思路清晰地传达给面试老师，所以一定要简练 明确。这里建议按照论文框架进行说明：研究问题-目前成果-研究理由（目前的研究成 果有什么不足）-理论支撑（事实证据）-解决渠道。Q7你的这篇毕业论文优点和缺点是什么？A：这个问题无伤大雅，优点你可以大胆说，只要不过分夸张就好；缺点部分可以说“研究不太深入，但在研究生阶段会进一步深入研究”，向老师展现你的研究热情和决心即可
1、技术含量。以本科生为例，如果题目涉及到的是进销存管理系统，那么当前的进销存管理系统如何面对大数据时代的要求，以及能否满足互联网业务的需求，这些都是可能会面临的问题。
2、技术方案的合理性。常见的关键点有三个，如何进行技术选型；是否具有扩展空间；是否能够落地应用。
以进销存系统为例，技术选型的方案有很多种，包括采用Java方案、PHP方案、C#方案、Python方案等等，每一种方案都有不同的技术体系，需要根据实际情况来描述如何选择具体的方案，另外要注重系统的扩展性，是否采用云平台部署等等。
3、技术细节。目的是检验学生对于技术的掌握情况和动手能力。技术细节通常有三个大的方面，描述某一个功能是实现流程；针对于数据库操作进行提问；针对于算法问题进行提问。
答辩注意事项
1、注意开场白、结束语的礼仪。
2、坦然镇定，声音要大而准确，使在场的所有人都能听到。
3、听取答辩小组成员的提问，精神要高度集中，同时，将提问的问题一一记在本上。
4、对提出的问题，要在短时间内迅速做出反应，以自信而流畅的语言，肯定的语气，不慌不忙地一一回答每个问题。
5、对提出的疑问，要审慎地回答，对有把握的疑问要回答或辩解、申明理由；对拿不准的问题，可不进行辩解，而实事求是地回答，态度要谦虚。
6、回答问题要注意的几点：
（1）正确、准确。正面回答问题，不转换论题，更不要答非所问。
（2）重点突出。抓住主题、要领，抓住关键词语，言简意赅。
（3）清晰明白。开门见山，直接入题，不绕圈子。
（4）有答有辩。既敢于阐发自己独到的新观点、真知灼见，维护自己正确观点，反驳错误观点，又敢于承认自己的不足，修正失误。
（5）辩才技巧。用词准确，讲究逻辑，助以手势说明问题；力求深刻生动；对答如流，说服力、感染力强，给听众留下良好的印象。
老师会在你的论文里面找一些问题问问，你首先要好好的把你定的论文读熟。这样一般都会过的。
（一）选题毕业论文（设计）题目应符合本专业的培养目标和教学要求，具有综合性和创新性。本科生要根据自己的实际情况和专业特长，选择适当的论文题目，但所写论文要与本专业所学课程有关。（二）查阅资料、列出论文提纲题目选定后，要在指导教师指导下开展调研和进行实验，搜集、查阅有关资料，进行加工、提炼，然后列出详细的写作提纲。（三）完成初稿根据所列提纲，按指导教师的意见认真完成初稿。（四）定稿初稿须经指导教师审阅，并按其意见和要求进行修改，然后定稿。一般毕业论文题目的选择最好不要太泛，越具体越好，而且老师希望学生能结合自己学过的知识对问题进行分析和解决。不知道你是否确定了选题，确定选题了接下来你需要根据选题去查阅前辈们的相关论文，看看人家是怎么规划论文整体框架的；其次就是需要自己动手收集资料了，进而整理和分析资料得出自己的论文框架；最后就是按照框架去组织论文了。你如果需要什么参考资料和范文我可以提供给你。还有什么不了解的可以直接问我，希望可以帮到你，祝写作过程顺利毕业论文选题的方法:一、尽快确定毕业论文的选题方向 在毕业论文工作布置后,每个人都应遵循选题的基本原则,在较短的时间内把选题的方向确定下来。从毕业论文题目的性质来看,基本上可以分为两大类:一类是社会主义现代化建设实践中提出的理论和实际问题;另一类是专业学科本身发展中存在的基本范畴和基本理论问题。大学生应根据自己的志趣和爱好,尽快从上述两大类中确定一个方向。二、在初步调查研究的基础上选定毕业论文的具体题目在选题的方向确定以后,还要经过一定的调查和研究,来进一步确定选题的范围,以至最后选定具体题目。下面介绍两种常见的选题方法。 浏览捕捉法 :这种方法就是通过对占有的文献资料快速地、大量地阅读,在比较中来确定论文题目地方法。浏览,一般是在资料占有达到一定数量时集中一段时间进行,这样便于对资料作集中的比较和鉴别。浏览的目的是在咀嚼消化已有资料的过程中,提出问题,寻找自己的研究课题。这就需要对收集到的材料作一全面的阅读研究,主要的、次要的、不同角度的、不同观点的都应了解,不能看了一些资料,有了一点看法,就到此为止,急于动笔。也不能“先入为主”,以自己头脑中原有的观点或看了第一篇资料后得到的看法去决定取舍。而应冷静地、客观地对所有资料作认真的分析思考。在浩如烟海,内容丰富的资料中吸取营养,反复思考琢磨许多时候之后,必然会有所发现,这是搞科学研究的人时常会碰到的情形。 浏览捕捉法一般可按以下步骤进行:第一步,广泛地浏览资料。在浏览中要注意勤作笔录,随时记下资料的纲目,记下资料中对自己影响最深刻的观点、论据、论证方法等,记下脑海中涌现的点滴体会。当然,手抄笔录并不等于有言必录,有文必录,而是要做细心的选择,有目的、有重点地摘录,当详则详,当略则略,一些相同的或类似的观点和材料则不必重复摘录,只需记下资料来源及页码就行,以避免浪费时间和精力。第二步,是将阅读所得到的方方面面的内容,进行分类、排列、组合,从中寻找问题、发现问题,材料可按纲目分类,如分成: 系统介绍有关问题研究发展概况的资料; 对某一个问题研究情况的资料; 对同一问题几种不同观点的资料; 对某一问题研究最新的资料和成果等等。第三步,将自己在研究中的体会与资料分别加以比较,找出哪些体会在资料中没有或部分没有;哪些体会虽然资料已有,但自己对此有不同看法;哪些体会和资料是基本一致的;哪些体会是在资料基础上的深化和发挥等等。经过几番深思熟虑的思考过程,就容易萌生自己的想法。把这种想法及时捕捉住,再作进一步的思考,选题的目标也就会渐渐明确起来。希望可以帮到你，有什么不懂的可以问我
随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。我整理了图像识别技术论文，欢迎阅读!
图像识别技术研究综述
摘要：随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。图像识别是利用计算机对图像进行处理、分析和理解，由于图像在成像时受到外部环境的影响，使得图像具有特殊性，复杂性。基于图像处理技术进一步探讨图像识别技术及其应用前景。
关键词：图像处理;图像识别;成像
中图分类号：TP391 文献标识码：A 文章编号：1009-3044(2013)10-2446-02
图像是客观景物在人脑中形成的影像，是人类最重要的信息源，它是通过各种观测系统从客观世界中获得，具有直观性和易理解性。随着计算机技术、多媒体技术、人工智能技术的迅速发展，图像处理技术的应用也越来越广泛，并在科学研究、教育管理、医疗卫生、军事等领域已取得的一定的成绩。图像处理正显著地改变着人们的生活方式和生产手段，比如人们可以借助于图像处理技术欣赏月球的景色、交通管理中的车牌照识别系统、机器人领域中的计算机视觉等，在这些应用中，都离不开图像处理和识别技术。图像处理是指用计算机对图像进行处理，着重强调图像与图像之间进行的交换，主要目标是对图像进行加工以改善图像的视觉效果并为后期的图像识别大基础[1]。图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。但是由于获取的图像本事具有复杂性和特殊性，使得图像处理和识别技术成为研究热点。
1 图像处理技术
图像处理(image processing)利用计算机对图像进行分析，以达到所需的结果。图像处理可分为模拟图像处理和数字图像图像处理，而图像处理一般指数字图像处理。这种处理大多数是依赖于软件实现的。其目的是去除干扰、噪声，将原始图像编程适于计算机进行特征提取的形式，主要包括图像采样、图像增强、图像复原、图像编码与压缩和图像分割。
1)图像采集，图像采集是数字图像数据提取的主要方式。数字图像主要借助于数字摄像机、扫描仪、数码相机等设备经过采样数字化得到的图像，也包括一些动态图像，并可以将其转为数字图像，和文字、图形、声音一起存储在计算机内，显示在计算机的屏幕上。图像的提取是将一个图像变换为适合计算机处理的形式的第一步。
2)图像增强，图像在成像、采集、传输、复制等过程中图像的质量或多或少会造成一定的退化，数字化后的图像视觉效果不是十分满意。为了突出图像中感兴趣的部分，使图像的主体结构更加明确，必须对图像进行改善，即图像增强。通过图像增强，以减少图像中的图像的噪声，改变原来图像的亮度、色彩分布、对比度等参数。图像增强提高了图像的清晰度、图像的质量，使图像中的物体的轮廓更加清晰，细节更加明显。图像增强不考虑图像降质的原因，增强后的图像更加赏欣悦目，为后期的图像分析和图像理解奠定基础。
3)图像复原，图像复原也称图像恢复，由于在获取图像时环境噪声的影响、运动造成的图像模糊、光线的强弱等原因使得图像模糊，为了提取比较清晰的图像需要对图像进行恢复，图像恢复主要采用滤波方法，从降质的图像恢复原始图。图像复原的另一种特殊技术是图像重建，该技术是从物体横剖面的一组投影数据建立图像。
4)图像编码与压缩，数字图像的显著特点是数据量庞大，需要占用相当大的存储空间。但基于计算机的网络带宽和的大容量存储器无法进行数据图像的处理、存储、传输。为了能快速方便地在网络环境下传输图像或视频，那么必须对图像进行编码和压缩。目前，图像压缩编码已形成国际标准，如比较著名的静态图像压缩标准JPEG，该标准主要针对图像的分辨率、彩色图像和灰度图像，适用于网络传输的数码相片、彩色照片等方面。由于视频可以被看作是一幅幅不同的但有紧密相关的静态图像的时间序列，因此动态视频的单帧图像压缩可以应用静态图像的压缩标准。图像编码压缩技术可以减少图像的冗余数据量和存储器容量、提高图像传输速度、缩短处理时间。
5)图像分割技术，图像分割是把图像分成一些互不重叠而又具有各自特征的子区域，每一区域是像素的一个连续集，这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割根据目标与背景的先验知识将图像表示为物理上有意义的连通区域的集合。即对图像中的目标、背景进行标记、定位，然后把目标从背景中分离出来。目前，图像分割的方法主要有基于区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法[2]。由于采集图像时会受到各种条件的影响会是图像变的模糊、噪声干扰，使得图像分割是会遇到困难。在实际的图像中需根据景物条件的不同选择适合的图像分割方法。图像分割为进一步的图像识别、分析和理解奠定了基础。
2 图像识别技术
图像识别是通过存储的信息(记忆中存储的信息)与当前的信息(当时进入感官的信息)进行比较实现对图像的识别[3]。前提是图像描述，描述是用数字或者符号表示图像或景物中各个目标的相关特征，甚至目标之间的关系，最终得到的是目标特征以及它们之间的关系的抽象表达。图像识别技术对图像中个性特征进行提取时，可以采用模板匹配模型。在某些具体的应用中，图像识别除了要给出被识别对象是什么物体外，还需要给出物体所处的位置和姿态以引导计算初工作。目前，图像识别技术已广泛应用于多个领域，如生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主车导航、公安、银行、交通、军事、电子商务和多媒体网络通信等。主要识别技术有：
指纹识别
指纹识别是生物识别技术中一种最实用、最可靠和价格便宜的识别手段，主要应用于身份验证。指纹识别是生物特征的一个部分，它具有不变性：一个人的指纹是终身不变的;唯一性：几乎没有两个完全相同的指纹[3]。一个指纹识别系统主要由指纹取像、预处理与特征提取、比对、数据库管理组成。目前，指纹识别技术与我们的现实生活紧密相关，如信用卡、医疗卡、考勤卡、储蓄卡、驾驶证、准考证等。
人脸识别 目前大多数人脸识别系统使用可见光或红外图像进行人脸识别，可见光图像识别性能很容易受到光照变化的影响。在户外光照条件不均匀的情况下，其正确识别率会大大降低。而红外图像进行人脸识别时可以克服昏暗光照条件变化影响，但由于红外线不能穿透玻璃，如果待识别的对象戴有眼镜，那么在图像识别时，眼部信息全部丢失，将严重影响人脸识别的性能[4]。
文字识别
文字识别是将模式识别、文字处理、人工智能集与一体的新技术，可以自动地把文字和其他信息分离出来，通过智能识别后输入计算机，用于代替人工的输入。文字识别技术可以将纸质的文档转换为电子文档，如银行票据、文稿、各类公式和符号等自动录入，可以提供文字的处理效率，有助于查询、修改、保存和传播。文字识别方法主要有结构统计模式识别、结构模式识别和人工神经网络[5]。由于文字的数量庞大、结构复杂、字体字形变化多样，使得文字识别技术的研究遇到一定的阻碍。
3 结束语
人类在识别现实世界中的各种事物或复杂的环境是一件轻而易举的事，但对于计算机来讲进行复杂的图像识别是非常困难的[6]。在环境较为简单的情况下，图像识别技术取得了一定的成功，但在复杂的环境下，仍面临着许多问题：如在图像识别过程中的图像分割算法之间的性能优越性比较没有特定的标准，以及算法本身存在一定的局限性，这使得图像识别的最终结果不十分精确等。
参考文献：
[1] 胡爱明，周孝宽.车牌图像的快速匹配识别方法[J].计算机工程与应用，2003，39(7)：90—91.
[2] 胡学龙.数字图像处理[M].北京：电子工业出版社，2011.
[3] 范立南，韩晓微，张广渊.图像处理与模式识别[M].北京：科学出版社，2007.
[4] 晓慧，刘志镜.基于脸部和步态特征融合的身份识别[J].计算机应用，2009，1(29)：8.
[5] 陈良育，曾振柄，张问银.基于图形理解的汉子构型自动分析系统[J].计算机应用，2005，25(7)：1629-1631.
[6] Sanderson C，Paliwal K Fusion and Person Verification Using Speech & Face Information[C].IDIAP-RR 02-33，Martigny，Swizerland，2002.
点击下页还有更多>>>图像识别技术论文
人类与基于模型学习的计算机视觉算法区分开来的一个特点是，能够获取关于世界的知识，并利用这些知识对视觉世界进行推理。人类可以了解物体的特性以及它们之间的关系，从而学习各种各样的视觉概念，通常只用很少的例子。本文研究了结构化先验知识在知识图谱形式下的应用，表明利用该知识可以提高图像分类的性能。我们在最近关于图端到端学习的工作的基础上，引入了图搜索神经网络（Graph Search Neural Network）作为一种有效地将大的知识图谱合并到视觉分类管道中的方法。我们在许多实验中表明，对于多标签分类，我们的方法优于标准的神经网络基线。
（a）将GSNN（）作为一种将潜在的大知识图谱合并到端到端的学习系统中的方法，该系统在计算上对大图是可行的； （b）一个使用噪声知识图谱进行图像分类的框架； （c）解释我们的图像分类的能力。使用传播模型。我们的方法明显优于多标签分类的基线。
将GGNN用于图像任务的最大问题是计算可伸缩性。例如，尼尔(NEIL)[4]有超过2000个概念，而内尔(NELL)[3]有超过200万个自信的信念。即使对我们的任务进行了删减，这些图仍然是巨大的。标准GGNN上的正向传播是（ ）, 是节点数，反向传播是（ ），其中 是传播步骤数。我们在合成图上对GGNNs进行了简单的实验，发现在超过500个节点之后，一个向前和向后的传递在一个实例上会超过1秒钟，即使在做出大量参数假设时也是如此。在2000个节点上，单个图像需要一分钟多的时间。不可能在盒子外（out of the box）使用GGNN。
我们解决这个问题的方法是图搜索神经网络（Graph Search Neural Network ，GSNN）。顾名思义，我们的想法是，不要一次对图形的所有节点执行循环更新，而是从一些基于输入的初始节点开始，只选择扩展对最终输出有用的节点。因此，我们只计算图子集上的更新步骤。那么，我们如何选择要用哪个节点子集初始化图呢？在训练和测试期间，我们根据目标检测器或分类器确定的概念存在的可能性来确定图中的初始节点。在我们的实验中，我们对80个COCO类别中的每一个都使用了更快的R-CNN（Faster R-CNN）[28]。对于超过某个选定阈值的分数，我们选择图中的相应节点作为初始激活节点集。
一旦我们有了初始节点，我们还将与初始节点相邻的节点添加到激活集。考虑到初始节点，我们首先要将关于初始节点的信念传播到所有相邻节点。然而，在第一个时间步骤之后，我们需要一种方法来决定下一个扩展哪个节点。因此，我们学习了一个每个节点的评分函数，它估计该节点有多“重要”。在每个传播步骤之后，对于当前图中的每个节点，我们预测一个重要性得分
是一个学习网络，重要性网络（importance network）。
一旦我们有了 的值，我们就将从未扩展到的得分最高的 个节点添加到我们的扩展集（expanded set），并将与这些节点相邻的所有节点添加到激活集（active set）。图2说明了这种扩展。t=1时，仅扩展检测到的节点。t=2时，我们根据重要性值扩展所选节点，并将其邻居添加到图中。在最后一个时间步骤 中，我们计算每个节点的输出，并重新排序和零填充(per-node-output and re-order and zero-pad)输出到最终分类网络中。
为了训练重要性网络(importance net)，我们将目标重要性值分配给图中给定图像的每个节点。与图像中真值概念(ground-truth concepts)相对应的节点被赋予1的重要性值。这些节点的邻居被分配了一个值 。两跳（two-hop）之外的节点具有值 ，以此类推等等。其思想是，最接近最终输出的节点是最重要的扩展。
现在我们有了一个端到端的网络，它将一组初始节点和注释作为输入，并为图中的每个激活节点输出每个节点的输出。它由三组网络组成：传播网、重要性网和输出网（the propagation net, the importance net, and the output net）。图像问题的最终损失可以通过输出网络从管道的最终输出反向传播，而重要性损失则通过每个重要性输出反向传播。参见图3查看GSNN架构。首先 ，检测信任初始化(detection confidences initialize) ，初始检测到的节点的隐藏状态。然后我们初始化 相邻节点的隐藏状态，使用0。然后我们使用传播网络(propagation net)更新隐藏状态。然后使用 的值预测重要性分数 ，该分数用于选择要添加到 的下一个节点。.然后用 初始化这些节点，并通过传播网络再次更新隐藏状态。T步之后，我们采取所有的累积隐藏状态来预测所有激活节点的GSNN输出。在反向传播过程中，二元交叉熵（binary cross entropy，BCE）损失通过输出层反馈，重要性损失通过重要性网络反馈，以更新网络参数。
最后一个细节是在GSNN中添加节点偏置（node bias）。在GGNN中，每个节点的输出函数 接受节点 的隐藏状态和初始注释,计算它的输出。在某种意义上，它与节点的意义不可知(agnostic)。也就是说，在训练或测试时，GSNN采用了一个可能从未见过的图，以及对于每个节点一些初始注释 。然后，它使用图的结构通过网络传播这些注释，然后计算输出。图中的节点可以表示任何东西，从人际关系到计算机程序。然而，在我们的图网络中，一个特定的节点表示“horse”或“cat”这一事实可能是相关的，我们也可以将自己约束到一个静态图而不是图像概念。因此，我们引入节点偏差项，对于图中的每个节点，都有一些学习值。我们的输出方程 , 是一个与整体图中的特定节点 相关联的偏差项。该值存储在一个表中，其值由backpropagation更新。
. 图像管道和基线(Image pipeline and baselines) 另一个使图形网络适应视觉问题的问题是如何将图形网络合并到图像管道中。对于分类，这是相当简单的。我们获取图形网络的输出，对其进行重新排序，使节点始终以相同的顺序出现在最终网络中，并对未展开的任何节点进行零填充。因此，如果我们有一个具有316个节点输出的图形，并且每个节点预测一个5维隐藏变量，那么我们将从该图形创建一个1580维特征向量。我们还将该特征向量与微调后的VGG-16网络的FC7层（4096 dim）连接起来[35]，并将更快的R-CNN（80 dim）预测的每个COCO类别的最高得分连接起来。这个5756维特征向量被输入到一层最终分类网络中，该网络经过辍学训练。 对于基线，我们比较：（1）VGG基线-仅将FC7输入最终分类网；（2）检测基线将FC7和最高COCO分数输入最终分类网。
[1] 论文笔记：GSNN: The More You Know: Using Knowledge Graphs for Image Classification [2] The More You Know: Using Knowledge Graphs for Image Classification ——用知识图谱进行图像分类论文阅读笔记
[1] KMarino / GSNN_TMYN [2] SteinsGate9 / gsnn_demo
数字图像处理方面了解的了。
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 ：
计算机论文题目
随着大科学时代的到来及科技水平的高速发展，计算机科学与技术已经渗透到我国经济、社会的各个领域，这些都有利于全球经济的发展，还极大地推动了社会的进步，
1、基于物联网的煤矿井下监测网络平台关键技术研究
2、基于抽象状态自动机和π演算的UML动态语义研究
3、基于多种数据源的中文知识图谱构建方法研究
4、基于矩阵化特征表示和Ho-Kashyap算法的分类器设计方法研究
5、基于博弈论的云计算资源调度方法研究
6、基于合约的泛型Web服务组合与选择研究
7、本体支持的Web服务智能协商和监测机制研究
8、基于神经网络的不平衡数据分类方法研究
9、基于内容的图像检索与推荐技术研究
10、物联网技术及其在监管场所中的应用
11、移动图书馆的研发与实现
12、图书馆联机公共目录查询系统的研究与实现
13、基于O2O模式的外卖订餐系统
14、网络时代个人数据与隐私保护的调查分析
15、微信公众平台CMS的设计与实现
16、环保部门语义链网络图形化呈现系统
17、BS结构计量信息管理系统设计与研究
18、基于上下文的天然气改质分析控制系统的设计与实现
19、基于增量学习和特征融合的多摄像机协作监控系统目标匹配方法研究
20、无线自组网络密钥管理及认证技术的研究
21、基于CDMI的云存储框架技术研究
22、磨损均衡在提高SSD使用寿命中的应用与改进
23、基于.NET的物流管理软件的设计与实现
24、车站商铺信息管理系统设计与实现
25、元数据模型驱动的合同管理系统的设计与实现
26、安睡宝供应与销售客户数据管理与分析系统
27、基于OpenCV的人脸检测与跟踪算法研究
28、基于PHP的负载均衡技术的研究与改进
29、协同药物研发平台的构建及其信任机制研究
30、光纤网络资源的智能化管理方法研究
31、基于差异同步的云存储研究和实践
32、基于Swift的云存储产品优化及云计算虚拟机调度算法研究
33、基于Hadoop的重复数据删除技术研究
34、中文微博情绪分析技术研究
35、基于协议代理的内控堡垒主机的设计与实现
36、公交车辆保修信息系统的研究与设计
37、基于移动互联网的光纤网络管理系统设计与开发
38、基于云平台的展馆综合管理系统
39、面向列表型知识库的组织机构实体链接方法研究
40、Real-time Hand Gesture Recognition by Using Geometric Feature
41、基于事件的社交网络核心节点挖掘算法的研究与应用
42、线性判别式的比较与优化方法研究
43、面向日志分类的蚁群聚类算法研究
44、基于决策树的数据挖掘技术在电信欠费管理中的应用与研究
45、基于信任关系与主题分析的微博用户推荐技术
46、微博用户兴趣挖掘技术研究
47、面向多源数据的信息抽取方法研究
48、基于本体约束规则与遗传算法的BIM进度计划自动生成研究
49、面向报关行的通关服务软件研究与优化
50、云应用开发框架及云服务推进策略的研究与实践
51、复杂网络社区发现方法以及在网络扰动中的影响
52、空中交通拥挤的识别与预测方法研究
53、基于RTT的端到端网络拥塞控制研究
54、基于体系结构的无线局域网安全弱点研究
55、物联网中的RFID安全协议与可信保障机制研究
56、机器人认知地图创建关键技术研究
57、Web服务网络分析和社区发现研究
58、基于球模型的三维冠状动脉中心线抽取方法研究
59、认知无线网络中频谱分配策略的建模理论与优化方法研究
60、传感器网络关键安全技术研究
61、任务关键系统的软件行为建模与检测技术研究
62、基于多尺度相似学习的图像超分辨率重建算法研究
63、基于服务的信息物理融合系统可信建模与分析
64、电信机房综合管控系统设计与实现
65、粒子群改进算法及在人工神经网络中的应用研究
66、污染源自动监控数据传输标准的研究与应用
67、一种智能力矩限制器的设计与研究
68、移动IPv6切换技术的研究
69、基于移动Ad hoc网络路由协议的改进研究
70、机会网络中基于社会关系的数据转发机制研究
71、嵌入式系统视频会议控制技术的研究与实现
72、基于PML的物联网异构信息聚合技术研究
73、基于移动P2P网络的广播数据访问优化机制研究
74、基于开放业务接入技术的业务移动性管理研究
75、基于AUV的UWSN定位技术的研究
76、基于隐私保护的无线传感网数据融合技术研究
77、基于DIVA模型语音生成和获取中小脑功能及其模型的研究
78、无线网络环境下流媒体传送技术的研究与实现
79、异构云计算平台中节能的任务调度策略研究
80、PRAM模型应用于同步机制的研究
81、云计算平台中虚拟化资源监测与调度关键技术研究
82、云存储系统中副本管理机制的研究
83、嵌入式系统图形用户界面开发技术研究
84、基于多维管理的呼叫中心运行系统技术研究
85、嵌入式系统的流媒体播放器设计与性能优化
86、基于组合双向拍卖的云资源调度算法的研究
87、融入隐私保护的特征选择算法研究
88、济宁一中数字化校园系统的设计与实现
89、移动合作伙伴管理系统的设计与实现
90、黄山市地税局网络开票系统的设计与应用
91、基于语义的领域信息抽取系统
92、基于MMTD的图像拼接方法研究
93、基于关系的垃圾评论检测方法
94、IPv6的过渡技术在终端综合管理系统中的实现与应用
95、基于超声波测距与控制的运动实验平台研发
96、手臂延伸与抓取运动时间协调小脑控制模型的研究
97、位置可视化方法及其应用研究
98、DIVA模型中定时和预测功能的研究
99、基于蚁群的Ad Hoc路由空洞研究
100、基于定向天线的Ad Hoc MAC协议的研究
101、复杂网络社区发现方法以及在网络扰动中的影响
102、空中交通拥挤的识别与预测方法研究
103、基于RTT的端到端网络拥塞控制研究
104、基于体系结构的无线局域网安全弱点研究
105、物联网中的RFID安全协议与可信保障机制研究
106、机器人认知地图创建关键技术研究
107、Web服务网络分析和社区发现研究
108、基于球模型的`三维冠状动脉中心线抽取方法研究
109、认知无线网络中频谱分配策略的建模理论与优化方法研究
110、传感器网络关键安全技术研究
111、任务关键系统的软件行为建模与检测技术研究
112、基于多尺度相似学习的图像超分辨率重建算法研究
113、基于服务的信息物理融合系统可信建模与分析
114、电信机房综合管控系统设计与实现
115、粒子群改进算法及在人工神经网络中的应用研究
116、污染源自动监控数据传输标准的研究与应用
117、一种智能力矩限制器的设计与研究
118、移动IPv6切换技术的研究
119、基于移动Ad hoc网络路由协议的改进研究
120、机会网络中基于社会关系的数据转发机制研究
121、嵌入式系统视频会议控制技术的研究与实现
122、基于PML的物联网异构信息聚合技术研究
123、基于移动P2P网络的广播数据访问优化机制研究
124、基于开放业务接入技术的业务移动性管理研究
125、基于AUV的UWSN定位技术的研究
126、基于隐私保护的无线传感网数据融合技术研究
127、基于DIVA模型语音生成和获取中小脑功能及其模型的研究
128、无线网络环境下流媒体传送技术的研究与实现
129、异构云计算平台中节能的任务调度策略研究
130、PRAM模型应用于同步机制的研究
131、云计算平台中虚拟化资源监测与调度关键技术研究
132、云存储系统中副本管理机制的研究
133、嵌入式系统图形用户界面开发技术研究
134、基于多维管理的呼叫中心运行系统技术研究
135、嵌入式系统的流媒体播放器设计与性能优化
136、基于组合双向拍卖的云资源调度算法的研究
137、融入隐私保护的特征选择算法研究
138、济宁一中数字化校园系统的设计与实现
139、移动合作伙伴管理系统的设计与实现
140、黄山市地税局网络开票系统的设计与应用
141、基于语义的领域信息抽取系统
142、基于MMTD的图像拼接方法研究
143、基于关系的垃圾评论检测方法
144、IPv6的过渡技术在终端综合管理系统中的实现与应用
145、基于超声波测距与控制的运动实验平台研发
146、手臂延伸与抓取运动时间协调小脑控制模型的研究
147、位置可视化方法及其应用研究
148、DIVA模型中定时和预测功能的研究
149、基于蚁群的Ad Hoc路由空洞研究
150、基于定向天线的Ad Hoc MAC协议的研究