好使的论文网站：维普网、知网、谷歌学术等。维普网，原名“维普资讯网”，是重庆维普资讯有限公司所建立的网站，该公司是中文期刊数据库建设事业的奠基人。从1989年开始，一直致力于对海量的报刊数据进行科学严谨的研究、分析，采集、加工等深层次开发和推广应用。中国知网知识发现网络平台—面向海内外读者提供中国学术文献、外文文献、学位论文、报纸、会议、年鉴、工具书等各类资源统一检索、统一导航、在线阅读和下载服务。谷歌学术是一个文献检索服务，主要是提供维普资讯、万方数据等几个学术文献资源库的检索服务。通过Google学术搜索只能够查找到这些学术资料的“报告、摘要及引用内容，如果想要获得这些资料的原文，还必须去这些内容提供商处下载。论文常用来指进行各个学术领域的研究和描述学术研究成果的文章，简称之为论文。它既是探讨问题进行学术研究的一种手段，又是描述学术研究成果进行学术交流的一种工具。它包括学年论文、毕业论文、学位论文、科技论文、成果论文等。论文的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。关键词是用作计算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。
网址：备用站点：中国版以及备用站点：全能文献资源下载工具是一个有俄罗斯牛人开发的可以下载任意文献杂志的工具，只要输入你想要下载的文献题目、DOI等信息就可以获取到该文献的真实地址并在线浏览，当然更重要的是可以下载。2.百度学术网址：涵盖了各类学术期刊，会议论文，旨在为国内外学者提供最好的科研体验。百度学术搜素可以检索到收费和免费的学术论文，并通过时间筛选，标题，关键字，摘要，作者，出版物，文献类型被引用的次数等细化指标提高检索的精准性。通过百度学术，都能搜到知网，万方，维普等学术网站的论文，台湾文献的论文也可以收集，其中的一项论文求救功能，相当实用。不过，百度学术只是一个学术信息搜索引擎，如果下载还得到知网等数据库。网址：是德国比勒费尔德（Bielefeld)大学图书馆开发的一个多学科的学术搜索引擎，提供对全球异构学术资源的集成检索服务。它整合了德国比勒费尔德大学图书馆的图书馆目录和大约160个开放资源（超过200万个文档）的数据。4.谷歌学术网址：。目前，大陆对谷歌相关网站是屏蔽的，但可以采用一些代理或者镜像网站登陆谷歌学术，我们暂时提供2个比较稳定的谷歌学术。
如下：
1、中国知网
网址：
中国知网是国内查找学术文献最齐全的网站，以收录核心期刊和专业期刊为主，权威、检索效果好、期刊类型比较综合、覆盖范围广。提供中国学术文献、外文文献、学位论文、报纸、会议、年鉴、工具书等各类资源统一检索、统一导航、在线阅读和下载服务。
2、万方数据知识服务平台
网址：
万方数据、论文、文献、期刊论文、学位论文、学术会议、中外标准、法律法规、科技成果、中外专利、外文文献。重点收录科技部论文统计源的核心期刊，核心期刊比例高，收录文献质量高，不定期更新。
3、超星发现
网址：
全世界最大的中文电子书图书网站，数据库涵盖了1949年后85%以上的中国大陆所有出版书籍，主要面向大学以上高校用户。
4、OALib 免费论文搜索引擎
网址：
OALib是一个学术论文存储量超过420W篇的网站，其中涵盖数学、物理、化学、人文、生物、材料、医学和人文科学等领域，文章均可免费下载。
它的一大特色在于功能上支持页面快照，不出站就可直接浏览文章标题、作者、关键词、以及摘要等基本信息，大大缩短了时间成本，是一个较为高效的论文查找网站。
5、BaseSearch 德国比勒菲尔德学术搜索引擎
网址：
它是由德国著名的比勒菲尔德(Bielefeld)大学图书馆开发的一个多学科的学术搜索引擎，提供对全球异构学术资源的集成检索服务。BaseSearch整合了德国比勒菲尔德大学图书馆的图书馆目录和大约160个开放资源(超过200万个文档)的数据。
论文查询网站很多，google scholar的优点可能是因为她是google，是外网的可以查找到更多的文献。
对于一个学生来说，论文查询网站是很重要的。在我们的课余时间学习，除了书本阅读，更重要的就是阅读相关的文献了。文献可以看到很多前沿研究的知识，是最新的，而且也是有很多其他人的研究成果统合在上面，可以很快地了解到某一个领域的内容，也可以学习到其他人的研究方法。所以文献是一个了解理论，了解他人研究的一个很好的办法。
而到了研究生阶段之后，更需要阅读大量的文献。而这个时候更多是需要阅读英文文献，因为英文文献可以看到国外很多优质的研究，也可以看到其他人的研究方法。这些都可以帮助我们看到这个领域的前沿。另外也可以将国外的研究搬过来我们国内进行实施，看看这个研究结果在我国的文化环境和社会环境下是否使用。而谷歌学术是我们可以搜索到国内文献的地方。
国内的文献查询网站主要是中国知网，可以在上面查询到国内的期刊。它的查询方式其实很方便，有很多方便的规则，但是就是收录国外的文献太少了。谷歌学术就是弥补了这一个缺失，可以在上面搜索到很多英文的文献。另外还可以在上面看到期刊的影响因子，就知道这篇文章的专业程度。而且下面还可以链接到这个文献的参考文献，给我们看到更多拓展的资料。最后，就是它可以看到收录的渠道和下载的地方。如果它收录的网站是可以免费下载的，它也会标注出来，这样就可以整合这个文章的渠道。
综上，谷歌学术最大的优点就是可以看到很多外文文献。
Google Scholar能够帮助用户查找包括期刊论文、学位论文、书籍、预印本、文摘和技术报告在内的学术文献。它不提供任何广告链接，普通Google出现的赞助商链接都不会出现。补充了专业数据库(例如 PubMed)学科面太窄的缺点，而且可以让科学家及其研究结果通过网络学术搜索引擎而公开化，使科学家的工作业绩变得更加透明，从而以防止学术造假、评审不公等弊病。
谷歌学术是一个可以免费搜索学术文章的Google网络应用。2004年11月，Google第一次发布了Google学术搜索的试用版。该项索引包括了世界上绝大部分出版的学术期刊，可广泛搜索学术文献的简便方法。从检索情况分析， Google学术搜索可以有如下用途：1、了解有关某一领域的学术文献。由于收录范围限于学术文献，将屏蔽掉网上很多不相关信息。2、了解某一作者的著述，并提供书目信息(引用时必需的图书出版信息或期刊论文的刊名、刊期信息)。可直接在网上搜索原文、文摘等;如果是图书，还可通过Library Search(例如OCLC的Open WorldCAT)检索附近图书馆的收藏。3、了解某文献被引情况。可直接点击Cited by...(引用数)搜索引用文献。4、 对文献和期刊进行应用和引用排名。5、中国知网、万方数据、谷歌学术等等很多学术资源检索平台都可以查找到sci论文，例如中国知网、万方数据、谷歌学术。那么进入以上平台后该如何查sci文章呢?在筛选条件中选择带有“SCI”字样的选项即可。以中国知网为例，登陆知网官网，在首页中选择“高级检索”等待跳转至检索页面，之后在学术期刊中选择“SCI来源期刊”，最后在检索栏中输入相应主题、作者、期刊名称等关键性信息即可。
优点就是外网的可以查找到更多的数据对比。因为到了研究生阶段之后，更需要阅读大量英文献数据，因为英文数据可以看到国外很多优质的研究，也可以看到其他人的研究方法，这也是谷歌学术弥补了中国网这块缺失的主要优势。
谷歌学术是一个可以免费搜索学术文章的Google网络应用。2004年11月，Google第一次发布了Google学术搜索的试用版。该项素引包括了世界上绝大部分出版的学术期刊，可广泛搜素学术文献的简便方法。从检索情况分析，Google学术搜索可以有如下用途：1、了解有关某一领域的学术文献。由于收录范围限手学术文献，将屏蔽掉网上很多不相关信息。2、了解某一作者的著述，并提供书目信息(引用时必需的图书出版信息或期刊论文的刊名、刊期信息)。可直接在网上搜索原文、文摘等;如果是图书，还可通过Library Search(例如OCLC的Open WorldCAT)检索附近图书馆的收藏。3、了解某文献被引1情况。可直接点击Cited by…（引用数）搜索引用文献。4、对文献和期刊进行应用和引用排名。
这个是google的学术论文搜索,是专门为交流学术论文做的搜索.用这个就可以找到你要找的论文.包括英文的.
学术文献下载器（)整合汇集中外文献数据库资源，如：ScienceDirect（Elsevier）、Web of Science、SpringerLink、PubMed、Wiley、EI、Taylor & Francis、IEEE、ProQuest等等以及世界顶级知名期刊：nature《自然》、science《科学》、CELL《细胞》、PNAS《美国科学院院报》等等。Elsevier（sciencedirect）是荷兰一家全球著名的学术期刊出版商，每年出版大量的学术图书和期刊，大部分期刊被SCI、SSCI、EI收录，是世界上公认的高品位学术期刊。涉及众多学科：计算机科学、工程技术、能源科学、环境科学、材料科学、数学、物理、化学、天文学、医学、生命科学、商业、及经济管理、社会科学等。Web of Science数据库是国际公认的反映科学研究水准的数据库，其中以SCIE、SSCI、A&HCI等引文索引数据库，JCR期刊引证报告和ESI基本科学指标享誉全球科技和教育界。EI(工程索引 )在全球的学术界、工程界、信息界中享有盛誉，是科技界共同认可的重要检索工具。涉及领域：机械工程、机电工程、船舶工程、制造技术、矿业、冶金、材料工程、金属材料、有色金属、陶瓷、塑料及聚合物工程等。PubMed 是一个免费的搜寻引擎，提供生物医学方面的论文搜寻以及摘要的数据库。它的数据库来源为MEDLINE。提供指向全文提供者（付费或免费）的链接。Wiley 作为全球最大、最全面的经同行评审的科学、技术、医学和学术研究的在线多学科资源平台之一，Wiley Online Library为全学科期刊全文数据库，出版物涵盖学科范围广泛——包括化学、物理学、工程学、农学、兽医学、食品科学、医学、护理学、口腔医学、生命科学等。SpringerLink是全球最大的在线科学、技术和医学(STM)领域学术资源平台。Springer 的电子图书数据库包括各种的Springer图书产品，如专著、教科书、手册、地图集、参考工具书、丛书等。IEEE致力于电气、电子、计算机工程和与科学有关的领域的开发和研究，在太空、计算机、电信、生物医学、电力及消费性电子产品等领域已制定了1300多个行业标准，现已发展成为具有较大影响力的国际学术组织。谷歌学术是一个可以免费搜索外文学术文章的搜索引擎，包括了世界上绝大部分出版的学术期刊， 可广泛搜索学术文献。部分文献可直接下载。Taylor & Francis科技期刊数据库，拥有全球最多社会科学期刊，提供550余种经专家评审的高质量科学与技术类期刊，其中近80%的期刊被Web of Science 收录。该人文社科期刊数据库包含14个学科：人类学、考古学与文化遗产，人文与艺术，商业管理与经济，犯罪学与法学，教育学，地理、城市、规划与环境，图书馆与信息科学，媒体、文化与传播研究，心理健康与社会保健，政治国际关系与区域研究，心理学，社会学及其相关学科，体育、休闲与旅游，策略、防务与安全研究。ProQuest学位论文全文数据库，是将ProQuest公司PQDD文摘库（现名PQDT）中适合中国科研人员科研和教学使用的论文全文建设而成，并向全国百数家科研教学单位的读者提供全文服务。是目前国内最完备、高质量、唯一的可以综合查询国外学位论文全文的数据库。sci-hub免费下载外文文献，但该网站经常换域名，而且没有新文献。
从检索情况分析，Google学术搜索可以有如下用途：1、了解有关某一领域的学术文献。由于收录范围限于学术文献，将屏蔽掉网上很多不相关信息。2、了解某一作者的著述，并提供书目信息（引用时必需的图书出版信息或期刊论文的刊名、刊期信息）。可直接在网上搜索原文、文摘等；如果是图书，还可通过LibrarySearch（例如OCLC的Open WorldCAT）检索附近图书馆的收藏。3、了解某文献被引情况。可直接点击Cited by...（引用数）搜索引用文献。4、对文献和期刊进行应用和引用排名。现在Google已慢慢退出中国市场,你会发现这个在国内可能打不开了，Google旗下的产品在国内都是打不开了的，下面为大家分享下，国内怎么上GoogleScholar r搜索学术文章及查找外文文献，以下以任意游为例，可以先下载这个软件．五、这个时候我们就可以快速打开Google Scholar啦利用Google Scholar获取全文的方法和技巧方法一：利用“每组个”――沙里淘金利用GoogleScholar检索后，返回的每个结果后面几乎都有“每组……个”，或“Group of”，这表明该文章可能存在于多个来源中，点击可以获得该文章的多个来源。案例：检索词：research behavior点击进入后，有13个来源，去重后有7个来源－其中，前5个为无法获取全文，而后两个可以获取全文。分析技巧：可获取全文的为大多为开放获取网站和大学机构仓储以及个人网站，一般为非授权，即免费公开，网址都带有.edu标记等。如：上例中的后两个能获得全文的网址，其中一个就是Cornell大学的机构仓储网站。不可获取全文的是数据提供商网站、受限的机构仓储网站，一般需要授权或付费，如上例中的前5个网址。不过这些网站偶尔也有免费论文，可放在最后进入，试试运气。掌握这个特点，再看来源时首先选择可能是机构网站的网址进行尝试。方法二：网页快照――得来全不费功夫 Google的网页快照功能，是Google在爬行中针对PDF等文件的自动扫描、保存。这是获取全文的另一个很重要的途径。有许多全文在网上公开的时间有限，可能以前能看到，现在没有了。如果Google进行了网页快照，则即使原来的获取地址不存在，也仍然能看到全文。网页快照的标记是：题录信息下方的“网页快照”或“HTML版”按钮。案例：《An investigation of userattitudes toward search engines as an information retri tool》方法三：网页搜索――曲线救国如果前两种方式都不成功，还可以尝试一下“网页搜索”功能。这个功能是返回通用Google搜索帮助查找。也许有人会问，这样还不如直接去通用搜索中查，所不同的是，从Google Scholar返回Google查询，所得到的检索结果比直接在Google中查询的专指度高，主要为与在GoogleScholar中想要的文章相关的一些Pdf格式的文件，即使找不到原先想到的文章，也可以意外发现很多与该主题相关的学术资源。案例：Humaninformation behavior: Integrating diverse approaches and information use点击进入后，三个来源为：但均没有提供全文，点击第一条记录的“网页搜索”。页面转到Google普通检索，在第三条记录，可见该文信息。进入后，发现这是Spink,A的个人网站，有很多作者的文章可下载，包括最近的文章，其中就有该篇文章。总结目前，Google Scholar更多的是作为一个资源发现工具，而不是全文获取的工具。但随着网络信息资源的数量和质量的提升，随着互联网从向个人信息发布平台的转移，更多高质量的学术信息资源将会越来越多，Google Scholar将为我们的学术和研究的资料收集带来极大的便利。
电脑打开谷歌学术的方法第一步：搜..任 意 游。。。下载第二步：注册账号第三步：连接大陆以外的节点第四步：打开浏览器输入谷歌学术的网址手机设置vpn的方法设置-网络或者通用-虚拟网络（ v p n）类型：pptp描述：v p n填上。。任意游。。的服务器及账号密码登陆谷歌学术即可
dlib的安装很头疼我自己折腾了好几星期才成功 要讲的话很多所以写在了word里
链接：
python使用dlib进行人脸检测与人脸关键点标记
Dlib简介：
首先给大家介绍一下Dlib
Dlib是一个跨平台的C++公共库，除了线程支持，网络支持，提供测试以及大量工具等等优点，Dlib还是一个强大的机器学习的C++库，包含了许多机器学习常用的算法。同时支持大量的数值算法如矩阵、大整数、随机数运算等等。
Dlib同时还包含了大量的图形模型算法。
最重要的是Dlib的文档和例子都非常详细。
Dlib主页：
这篇博客所述的人脸标记的算法也是来自Dlib库，Dlib实现了One Millisecond Face Alignment with an Ensemble of Regression Trees中的算法
这篇论文非常出名，在谷歌上打上One Millisecond就会自动补全，是CVPR 2014(国际计算机视觉与模式识别会议)上的一篇国际顶级水平的论文。毫秒级别就可以实现相当准确的人脸标记，包括一些半侧脸，脸很不清楚的情况，论文本身的算法十分复杂，感兴趣的同学可以下载看看。
Dlib实现了这篇最新论文的算法，所以Dlib的人脸标记算法是十分先进的，而且Dlib自带的人脸检测库也很准确，我们项目受到硬件所限，摄像头拍摄到的画面比较模糊，而在这种情况下之前尝试了几个人脸库，识别率都非常的低，而Dlib的效果简直出乎意料。
相对于C++我还是比较喜欢使用python，同时Dlib也是支持python的，只是在配置的时候碰了不少钉子，网上大部分的Dlib资料都是针对于C++的，我好不容易才配置好了python的dlib，这里分享给大家：
Dlib for python 配置：
因为是用python去开发计算机视觉方面的东西，python的这些科学计算库是必不可少的，这里我把常用的科学计算库的安装也涵盖在内了，已经安装过这些库的同学就可以忽略了。
我的环境是:
大家都知道Ubuntu是自带的，而且很多Ubuntu系统软件都是基于的，有一次我系统的python版本乱了，我脑残的想把卸载了重装，然后……好像是提醒我要卸载几千个软件来着，没看好直接回车了，等我反应过来Ctrl + C 的时候系统已经没了一半了…
所以我发现想要搞崩系统，这句话比rm -rf 还给力…
sudo apt-get remove
首先安装两个python第三方库的下载安装工具,好像是预装了easy_install
以下过程都是在终端中进行：
1.安装pip
sudo apt-get install python-pip1
2.安装easy-install
sudo apt-get install python-setuptools1
3.测试一下easy_install
有时候系统环境复杂了，安装的时候会安装到别的python版本上，这就麻烦了，所以还是谨慎一点测试一下，这里安装一个我之前在博客中提到的可以模拟浏览器的第三方python库测试一下。
sudo easy_install Mechanize1
4.测试安装是否成功
在终端输入python进入python shell
python1
进入python shell后import一下刚安装的mechanize
>>>import mechanize1
没有报错，就是安装成功了，如果说没有找到，那可能就是安装到别的python版本的路径了。
同时也测试一下PIL这个基础库
>>>import PIL1
没有报错的话，说明PIL已经被预装过了
5.安装numpy
接下来安装numpy
首先需要安装python-dev才可以编译之后的扩展库
sudo apt-get install python-dev1
之后就可以用easy-install 安装numpy了
sudo easy_install numpy1
这里有时候用easy-install 安装numpy下载的时候会卡住，那就只能用 apt-get 来安装了：
sudo apt-get install numpy1
不推荐这样安装的原因就是系统环境或者说python版本多了之后，直接apt-get安装numpy很有可能不知道装到哪个版本去了，然后就很麻烦了，我有好几次遇到这个问题,不知道是运气问题还是什么，所以风险还是很大的，所以还是尽量用easy-install来安装。
同样import numpy 进行测试
python>>>import numpy1234
没有报错的话就是成功了
下面的安装过程同理，我就从简写了，大家自己每步别忘了测试一下
6.安装scipy
sudo apt-get install python-scipy1
7.安装matplotlib
sudo apt-get install python-matplotlib1
8.安装dlib
我当时安装dlib的过程简直太艰辛，网上各种说不知道怎么配，配不好，我基本把stackoverflow上的方法试了个遍，才最终成功编译出来并且导入，不过听说更新之后有了,那真是极好的，我没有亲自配过也不能乱说，这里给大家分享我配置的过程吧：
1.首先必须安装libboost，不然是不能使用.so库的
sudo apt-get install libboost-python-dev cmake1
2.到Dlib的官网上下载dlib，会下载下来一个压缩包，里面有C++版的dlib库以及例子文档，Python dlib库的代码例子等等
我使用的版本是,大家也可以在我这里下载：
之后进入python_examples下使用bat文件进行编译，编译需要先安装libboost-python-dev和cmake
cd to 123
之后会得到一个，复制到dist-packages目录下即可使用
这里大家也可以直接用我编译好的.so库,但是也必须安装libboost才可以，不然python是不能调用so库的，下载地址：
将.so复制到dist-packages目录下
sudo cp /usr/local/lib/
最新的好像就没有这个bat文件了，取而代之的是一个setup文件，那么安装起来应该就没有这么麻烦了，大家可以去直接安装，也可以直接下载复制我的.so库，这两种方法应该都不麻烦～
有时候还会需要下面这两个库，建议大家一并安装一下
9.安装skimage
sudo apt-get install python-skimage1
10.安装imtools
sudo easy_install imtools1
Dlib face landmarks Demo
环境配置结束之后，我们首先看一下dlib提供的示例程序
1.人脸检测
源程序：
#!/usr/bin/python# The contents of this file are in the public domain. See This example program shows how to find frontal human faces in an image. In# particular, it shows how you can take a list of images from the command# line and display each on the screen with red boxes overlaid on each human# face.## The examples/faces folder contains some jpg images of people. You can run# this program on them and see the detections by executing the# following command:# ./ ../examples/faces/*.jpg## This face detector is made using the now classic Histogram of Oriented# Gradients (HOG) feature combined with a linear classifier, an image# pyramid, and sliding window detection scheme. This type of object detector# is fairly general and capable of detecting many types of semi-rigid objects# in addition to human faces. Therefore, if you are interested in making# your own object detectors then read the example# program. ### COMPILING THE DLIB PYTHON INTERFACE# Dlib comes with a compiled python interface for python on MS Windows. If# you are using another python version or operating system then you need to# compile the dlib python interface before you can use this file. To do this,# run . This should work on any operating# system so long as you have CMake and boost-python installed.# On Ubuntu, this can be done easily by running the command:# sudo apt-get install libboost-python-dev cmake## Also note that this example requires scikit-image which can be installed# via the command:# pip install -U scikit-image# Or downloaded from . import sysimport dlibfrom skimage import iodetector = ()win = ()print("a");for f in [1:]:print("a");print("Processing file: {}".format(f))img = (f)# The 1 in the second argument indicates that we should upsample the image# 1 time. This will make everything bigger and allow us to detect more# = detector(img, 1)print("Number of faces detected: {}".format(len(dets))) for i, d in enumerate(dets):print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(i, (), (), (), ()))()(img)(dets)()# Finally, if you really want to you can ask the detector to tell you the score# for each detection. The score is bigger for more confident detections.# Also, the idx tells you which of the face sub-detectors matched. This can be# used to broadly identify faces in different (len([1:]) > 0):img = ([1])dets, scores, idx = (img, 1) for i, d in enumerate(dets):print("Detection {}, score: {}, face_type:{}".format(d, scores[i], idx[i]))1234567891011128192021222324252627282930337383940414243444546474849505575859606162636465666768697077778798081
我把源代码精简了一下，加了一下注释：
# -*- coding: utf-8 -*-import sysimport dlibfrom skimage import io#使用dlib自带的frontal_face_detector作为我们的特征提取器detector = ()#使用dlib提供的图片窗口win = ()#[]是用来获取命令行参数的，[0]表示代码本身文件路径，所以参数从1开始向后依次获取图片路径for f in [1:]: #输出目前处理的图片地址print("Processing file: {}".format(f)) #使用skimage的io读取图片img = (f) #使用detector进行人脸检测 dets为返回的结果dets = detector(img, 1) #dets的元素个数即为脸的个数print("Number of faces detected: {}".format(len(dets))) #使用enumerate 函数遍历序列中的元素以及它们的下标#下标i即为人脸序号#left：人脸左边距离图片左边界的距离 ；right：人脸右边距离图片左边界的距离#top：人脸上边距离图片上边界的距离 ；bottom：人脸下边距离图片上边界的距离for i, d in enumerate(dets):print("dets{}".format(d))print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format( i, (), (), (), ())) #也可以获取比较全面的信息，如获取人脸与detector的匹配程度dets, scores, idx = (img, 1)for i, d in enumerate(dets):print("Detection {}, dets{},score: {}, face_type:{}".format( i, d, scores[i], idx[i])) #绘制图片(dlib的ui库可以直接绘制dets)(img)(dets) #等待点击()123456789101112819202122232425262728293033738394041424344454647484950
分别测试了一个人脸的和多个人脸的，以下是运行结果：
运行的时候把图片文件路径加到后面就好了
python ./data/
一张脸的：
两张脸的：
这里可以看出侧脸与detector的匹配度要比正脸小的很多
2.人脸关键点提取
人脸检测我们使用了dlib自带的人脸检测器（detector），关键点提取需要一个特征提取器（predictor），为了构建特征提取器，预训练模型必不可少。
除了自行进行训练外，还可以使用官方提供的一个模型。该模型可从dlib sourceforge库下载：
也可以从我的连接下载：
这个库支持68个关键点的提取，一般来说也够用了，如果需要更多的特征点就要自己去训练了。
源程序：
#!/usr/bin/python# The contents of this file are in the public domain. See This example program shows how to find frontal human faces in an image and# estimate their pose. The pose takes the form of 68 landmarks. These are# points on the face such as the corners of the mouth, along the eyebrows, on# the eyes, and so forth.## This face detector is made using the classic Histogram of Oriented# Gradients (HOG) feature combined with a linear
URL: 论文pdf Google出品。亚毫秒级的移动端人脸检测算法。移动端可达200~1000+FPS速度。主要以下改进： 在深度可分离卷积中，计算量主要为point-wise部分，增加depth-wise部分卷积核大小并不会明显增加成本。因此本文在depth-wise部分采用了5x5的卷积核，已获得更大的感受野，故此可以降低在层数上的需求。 此外，启发于mobilenetV2，本文设计了一个先升后降的double BlazeBlock。BlazeBlock适用于浅层，double BlazeBlock适用于深层。 16x16的anchor是一样的，但本文将8x8，4x4和2x2的2个anchor替换到8x8的6个anchor。此外强制限制人脸的长宽为1：1。 由于最后一层feature map较大（相对于ssd），导致预测结果会较多，在连续帧预测过程中，nms会变导致人脸框变得更加抖动。本文在原始边界框的回归参数估计变为其与重叠概率的加权平均。这基本没有带来预测时间上的消耗，但在提升了10%的性能。 效果好速度快的方法想不想要？
大概当今所有的研究生毕业论文都会经过中国知网的“学术不端检测”，即便最后不被盲审。这个系统的初衷其实是很好的，在一定程度上能够对即将踏入中国科研界的硕士研究生们一个警示作用：杜绝抄袭，踏实学问。但正所谓“世界万物，有矛就有盾”的哲学观，中国知网的这个“学术不端检测系统”并不是完善的。原因有二，其一是目前的图文识别技术还不够先进；其二是目前的机器识别还达不到在含义识别上的智能化。求索阁一贯的观点就是“战略上蔑视，战术上重视”和“知己知彼百战百胜”。要破敌，必先知敌；要过学术检测这一关，当然必先了解这一关的玄机。一、查重原理 1、知网学位论文检测为整篇上传，格式对检测结果可能会造成影响，需要将最终交稿格式提交检测，将影响降到最小，此影响为几十字的小段可能检测不出。对于3万字符以上文字较多的论文是可以忽略的。 对比数据库为：中国学术期刊网络出版总库，中国博士学位论文全文数据库/中国优秀硕士学位论文全文数据库，国重要会议论文全文数据库，中国重要报纸全文数据库，中国专利全文数据库，个人比对库，其他比对库。部分书籍不在知网库，检测不到。 2、上传论文后，系统会自动检测该论文的章节信息，如果有自动生成的目录信息，那么系统会将论文按章节分段检测，否则会自动分段检测。 3、有部分同学反映说自己在段落中明明引用或者抄袭了其他文献的段落或句子，为什么没有检测出来，这是正常的。中国知网对该套检测系统的灵敏度设置了一个阀值，该阀值为5%，以段落计，低于5%的抄袭或引用是检测不出来的，这种情况常见于大段落中的小句或者小概念。举个例子：假如检测段落1有10000字，那么引用单篇文献500字以下，是不会被检测出来的。实际上这里也告诉同学们一个修改的方法，就是对段落抄袭千万不要选一篇文章来引用，尽可能多的选择多篇文献，一篇截取几句，这样是不会被检测出来的。 4、一篇论文的抄袭怎么才会被检测出来？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%。二、快速通过论文查重的七大方法 方法一：外文文献翻译法 查阅研究领域外文文献，特别是高水平期刊的文献，比如Science，Nature，WaterRes等，将其中的理论讲解翻译成中文，放在自己的论文中。 优点：1、每个人语言习惯不同，翻译成的汉语必然不同。因此即使是同一段文字，不同人翻译了之后，也 不会出现抄袭的情况。2、外文文献的阅读，可以提升自身英语水平，拓展专业领域视野。 缺点：英文不好特别是专业英文不好的同学实施起来比较费劲。 方法二：变化措辞法 将别人论文里的文字，或按照意思重写，或变换句式结构，更改主被动语态，或更换关键词，或通过增减。当然如果却属于经典名句，还是按照经典的方法加以引用。 优点：1．将文字修改之后，按照知网程序和算法，只要不出现连续13个字重复，以及关键词的重复，就不会被标红。2．对论文的每字每句都了如指掌，烂熟于心，答辩时亦会如鱼得水。 缺点：逐字逐句的改，费时费力。 方法三：google等翻译工具翻译法 将别人论文里的文字，用google翻译成英文，再翻译回来，句式和结构就会发生改变，再自行修改下语病后，即可顺利躲过查重。 优点：方便快捷，可以一大段一大段的修改。 缺点：有时候需要多翻译几遍，必须先由中文翻译成英文，再翻译成阿尔及利亚语，再翻译成中文。 方法四：转换图片法 将别人论文里的文字，截成图片，放在自己的论文里。因为知网查重系统目前只能查文字，而不能查图片和表格，因此可以躲过查重。 优点：比google翻译法更加方便快捷。 缺点：用顺手了容易出现整页都是图片的情况，会影响整个论文的字数统计。 方法五：插入文档法 将某些参考引用来的文字通过word文档的形式插入到论文中。 优点：此法比方法四更甚一筹，因为该方法日后还可以在所插入的文档里进行重新编辑，而图片转换法以后就不便于再修改了。 缺点：还没发现。 方法六：插入空格法 将文章中所有的字间插入空格，然后将空 格 字 间距调到最小。因为查重的根据是以词为基础的，空格切断了词语，自然略过了查重系统。 优点：从查重系统的原理出发，可靠性高。 缺点：工作量极大，课可以考虑通过宏完成，但宏的编制需要研究。 方法七：自己原创法 自己动手写论文，在写作时，要么不原文复制粘贴；要么正确的加上引用。 优点：基本上绝对不会担心查重不通过，哪怕这个查重系统的阈值调的再低。 缺点：如果说优缺点的话，就是写完一篇毕业论文，可能会死掉更多的脑细胞。呵呵。。。是否可以解决您的问题？
1、自我审查：如果真的到上交学校才发现问题，最多只能修改一次，时间还是会很紧。如果不知道如何顺利通过论文查重，那么我们就有必要提前进行查重。我们可以先上传到论文查重系统进行检测，重复部分再标红。这时候我们只需要根据查重的报告对标注的部分进行修改，调整符合学校要求后再提交给学校进行查重。
2、标记位置的处理：查重之后会得到论文查重的报告，里面会有具体重复的内容。查重率呢？对于标点符号的处理还是很重要的。如何通过论文查重取决于我们如何降低标点符号。以下方法还是值得一试的。如何降低论文查重率
3、参考文献的修改：引用的内容必须格式准确，至少有几个引用的句子必须符合学校的标准格式。所以基本上一两句引用的句子肯定不会红。
4、表格的修改：表格的位置一定要特别注意减少数字的重复单位，尽量不要用普通表格的格式。直接在word里自己画就行了。这样的话，基本上就不会重复了。即使不知道查重论文，也要做一些基本的表格修改，减少大量红色字符。
上中国知网去查，那里的论文最全也最专业，查出的结果也是比较靠谱的。但是价格不便宜，某宝上也有类似的服务，不过别的网站上准确率没有保证。要看你是什么情况了，要是一般的本科论文，没什么大必要查重。
知网论文查重规则毕业论文要如何查，主要集中与以下五个方面，下面小编为大家总结助力同学们快速通过论查重。1、中国知网论文查重系统设计了辨别程序，一般标黄色内容为引用句子，标红的内容则涉嫌抄袭，需要大家认真修改。2、中国知网论文查重标准一般是按13个字符算，如果您的文章不超过连续13个字的抄袭，就不会被辨别出是重复抄袭。但中国知网是会检测查重频率的，若引用的文献相似度太高也会被查重出来。3、中国知网查重系统的比对库，一般中国知网就仅仅收录的大多数文献都是中文文献，外文文献很少，这就为广大毕业生修改论文提供的极大方便，大家可以在创作时多引用一些外文句子，这样可以有效规避查重。4、章节总重复率，知网查重监测系统是通过论文给出的，一般同一章节或段落内的查重率不得超过5%。5、模糊检测，当知网对论文进行检测时，会根据论文的中心进行段落的重点监测。所以当一次不过时，经过改动的文章在以前没有出现的查重部分上，有时就会出现被查重不合格的现象。还有当论文被认为的抄袭段落或句子上，系统会进行模糊处理，所以只加如“虽然”“但是” 是没有用的。这一点要切记。总之，知网查重是有规律可偱的，建议在提交学校之前一定先在知网查重系统（知网查重 入口）提交自己的毕业论文查重检测，这样才能确保自己的论文通过学校的检测哈。