论文阅读指南-CSDN博客

本文链接：https://blog.csdn.net/SakuraHimi/article/details/104865703

为什么要读论文

综述：了解该方向经典的发展历程，帮助补充必要的基础知识，熟悉一些关键算法和技术栈，可以在实践中验证效果；快速找到可落地方案。如：读细粒度综述论文，了解细粒度识别的发展历程和技术方向，比如基于细粒度目标检测，注意力机制等。
代表性论文：该领域最关键的技术论文（常用，高频）；可以从综述或者其它算法的Related Works中获得，通常有开源代码，帮助快速可靠地落地。如：目标检测框架中的RCNN（代表两阶段网络），Yolo，SSD（代表单阶段网络）。
前沿论文：了解该领域的发展方向，科研必备；在工业中采纳新想法，帮助解决积累的问题。如：目标检测最近在发展Anchor Free方向，意义是不需要提前预置锚点框，减少调参，能够从视觉特征出发更好的学习边界框。

顶会：CVPR, AAAI, ICCV等，尤其是Oral（现场口述，特别精彩）。
谷歌学术https://scholar.google.com
关注VALSE & Webinar：VALSE，视觉与学习青年学者研讨会，是中国大规模的学术研讨会议，每年举办，讲解各路论文算法和年度进展等；Webinar平时直播视频算法讲解http://valser.org/portal.php?mod=list&catid=6，回放https://www.iqiyi.com/u/2289191062/videos。
Papers with Codehttps://paperswithcode.com：整理大量论文以及复现或原作者代码；方便一边看论文一边实验。
咨询大佬，避免跑偏。

Origins：来源有一定的引导性，比如腾讯，阿里，华为的研究院，Google Brains，FAIR等大型研究机构，清华、北大、浙大、中科大、斯坦福、麻省理工，它们的论文是顶尖的，算法思路上有很大创新，易读、易复现，或者有开源代码可以实践。
Abstract：看主要的创新点是否符合寻找的方向以及是否感兴趣，避免浪费时间；通常会提到创新点以及效果（准确率、AP等）
Introduction：快速读，主要在复述对比算法的问题，帮助你认识以前的或者正在使用的算法存在什么问题，提出创新点
Related Work：如果不了解经典的相关算法，可以找出来读；如果已经了解了，可以选择跳过；
Our Work（重点）：主要在对新算法涉及的创新点做详细分析和介绍，通常会包含很多公式和伪代码，看里面的关键词来确定思路，可以尝试复现
Experiments：积累训练算法的经验，数据准备，怎么调参，如学习率怎么设置，优化器怎么选择，迭代步数是多少等，再看实验结果在哪些指标上领先，确定是否要复现论文。
如果能力可以，每天读1到2篇paper，如果基础薄弱，可以限定时间，但是不能太长，比如1周读一篇，不要死抠，要及时询问。
如果论文中涉及的数学知识不了解，那就先大概过一遍，主要看论文的理论思路，如果觉得论文很感兴趣，那就回头去查公式。

多读：要想写论文，首先要有一个观点，充分掌握前沿思路，算法目前的发展方向，为什么要往这个方向发展，自己是否要往这个方向做，如果不做，是否有其它方向的创新点；没有完美的算法，只有更优秀的思路，充分总结问题，找出解决方案。
多记：边读论文边在旁边注释自己的思考和想法，以及与看过的其他论文思路上的相通性和不同点。
多写：参照通用的经典论文格式，把自己做的实验写成一个“paper”；记录实验思路和结果，这会提升写paper的熟练程度和水平。
多讨论：与同组或大牛讨论自己的思路和实验方法，总结经验和问题。