【条记】论文阅读方法（AI大模子）

1 为什么读论文

构建知识体系：通过Related Works快速相识该方向研究现状，追踪经典论文
紧跟前沿技能：相识范畴内新技能及结果，快速鉴戒到自身项目
作育科研逻辑：认识论文体系，相识怎样创造新事物，作育良好科研风俗
写论文：读书破万卷，下笔如有神
口试找工作：涉及大量口试标题，丰富简历必备
2 读哪些论文

论文范例角度
综述论文：快速认识某范畴发展进程、现状及子方向，相识范畴内根本概念及关键词
专题论文：先容具体算法，可学习其筹划思绪，实行本领，代码实现等具体技能
论文质量角度
高质量期刊聚会会议：CVPR,ECCV,ICCV,AAAI,NIPS,ICLR,ICML等
高引论文：偕行间广泛承认参考，鉴戒的论文
着名团队：Yoshua Bengio,Yann LeCun,Geoffrey Hinton,Andrew Ng等
有代码论文："Talk is cheap.Show me the code."
保举网站：https://paperswithcode.com
3 怎样找论文

未知论文标题：依关键字搜索相干范畴论文。
1.知网：探求优质综述，快速入门
2.百度学术，google scholar
3.arXiv：https://arxiv.org 论文预印本（preprint）平台
4.顶会：CVPR,ECCV,ICCV,AAAI,NIPS,ICLR,ICML等
是否优质，看IF
IF（Impact Factor，影响因子）：期刊前N年发表的论文被引数除从前N年发表的论文数，通常N=2或N=5
JCR（Journal Citation Reports,期刊引证陈诉）：统计SCI期刊的论文引用数据，给出各期IF
SCI期刊分区：
  JCR方式，yi、二、三、四区各占25%
  中科院方式，一区为前5%，二区为5%-20%，三区为20%-50%，四区为50%-100%
sci-hub:一个能绕过科研论文收费的神奇网站
PMID（PubMed Unique Identifier,PubMed唯一标识码）：PubMed搜索引擎中收录的生命科学和医学等范畴的文献编号
DOI（Digital Object Unique Identifier，数字对象唯一标识符），相当于文献的数字身份证
10.1109/CVPR.2015.7298594
10.1109/CVPR.2017.243
百度学术 文献相助：http://xueshu.baidu.com
4 怎样整理论文

统肯定名格式：时间-作者-提名；时间-关键词-提名
按种别归入文件夹
检索：电脑自带搜索工具，搜索关键词
借助论文管理软件：endnote（收费）,Mendeley（保举）,Zotero,Citavi等
5 怎样读论文

读论文的逆境
重点难把握：10多页笔墨，难在找到尽头，关键点
论文关系复杂：论文之间存在相互鉴戒引用，需泯灭时间岑能理清技能发展进程
公式图标难明：公式复杂，参数过多，难以明白
难以对峙：世上无难事，永不放弃
差别人群阅读差别
入门的学员们：学习知识为主，要求八面见光；
工业界工程师：鉴戒算法为主，注意算法实现。
读论文三部曲：泛读，精度，总结
泛读
快速欣赏，把握概要。
读标题，择要，结论，全部小标题和图表
泛读目的及结果自测：
1.论文要办理什么标题？
2.论文接纳了什么方法？
3.论文到达了什么结果？
精度
选出英华，过细阅读。
精度目的及结果自测：所读段落是否具体把握
总结
总览全文，归纳总结。总结文中创新点，关键点，开导点等告急信息
论文阅读结果自测
回复三个终极标题：
1.你是谁：论文提出/接纳什么方法，细节是什么
2.从那里来：论文要办理什么标题/任务，其开导点或鉴戒之处在哪
3.到那里去：论文方法到达什么结果
论文中可鉴戒地方总结
论文布局
1.Abstruct:论文简介，叙述工作内容，创新点，结果
2.Introduction:先容研究配景，研究意义，发展进程，提出标题
3.Related Work:相干研究算法简介，分析存在的缺点
4.Our Work:论文告急方法，实现细节
5.Experiments:实现步调及结果分析
6.Discussion:论文结论及未来可研究方向
论文代码学习方法
1.任务界说：搞清晰步调的目的，为了实现什么任务
2.数据泉源：源码渠道，数据集范例，数据集的泉源
3.运行情况：运行情况，实行工具，第三方库
4.运行结果：可否运行乐成，运行代码后出现什么样的结果
5.怎样实现：代码团体架构，每部分实现细节
6 paper学习路径

根本知识
Python根本
1.编程根本
2.呆板学习库
神经网络根本知识
一、神经网络与多层感知器
1.人工神经元：MP模子
2.多层感知机
3.激活函数（sigmoid/tanh/relu）
4.反向流传（BP）：梯度降落，学习率
5.丧失函数：MSE/CE;Softmax函数
6.权值初始化
7.正则化：L1,L2,Dropout;提及BN/GN/IN/LN
二、卷积神经网络根本
1.卷积神经网络简介
2.卷积层
3.池化层
4.Lenet5
三、循环神经网络
1.rnn循环神经网络
2.lstm好坏影象循环神经网络
3.gru门控循环单位
数学根本
1.矩阵盘算
2.概率论、信息论
PyTorch入门
1.PyTorch简介及安装
2.PyTorch性命币分类
3.PyTorch数据读取模块
4.PyTorch数据加强
5.PyTorch Module模块
6.PyTorch常用网络
7.PyTorch丧失函数
8.PyTorch优化器Optimizer
9.PyTorch可视化TensorBoard
10.PyTorch利用本领GPU/Finetune/生存加载
CV图像根本
一、图像根本知识
1.数字图像
2.图像的属性
二、常见图像处理处罚
1.画图、添加笔墨
2.图像多少变动
3.图像滤波与加强
4.形态学厘革
三、图像分割
1.阈值分割
2.边沿检测
3.连通域分析
4.图像表面
5.地区生长
6.分水岭算法
四、图像特性与目的检测
1.图像特性明白
2.外形特性
3.纹理特性
4.模块匹配
5.人脸检测
6.行人检测
五、运动目的辨认
1.摄像头调用
2.视频的读取与生存
3.帧差法
4.光流法
5.配景减除法
NLP根本知识
一、文本特性
1.词袋bag of words BOW
2.分布特性（distributional）
3.tfidf权重
4.n元语言模子
5.语言学特性：句法树
二、Nlp相干任务
1.文天职类
2.序列标注
3.翻译、择要天生、信息抽取等
4.文本天生NLG

————————————
仅用于本人学习
泉源：网络