7步！顶会Paper 复现方法！

【文末查看 论文复现神器】↓↓↓

刚接触论文时，我们常常听到要研究论文就头大，想到论文就排斥。

那问题来了，想找到论文的创新点，必须要吃透经典Paper。但大部分学员一看到论文就....

①研究论文时无法透彻理解paper，不能复现代码

②无法提出创新优化方案，导致论文发不出

③还有无法按照技术演进思路，系统学习深度学习知识

④不知道从哪个论文资源平台找论文

所以，有同学调侃：世上无难事，只要肯放弃。

我从大家在学习paper面临的问题中，从7个角度给一些参考方法，并附赠一个Paper复现神器：

1、如何选择论文

2、查找论文的几个常用网址

3、如何筛选优质论文

4、如何精确查找已知论文

5、如何管理论文

6、如何阅读一篇论文

7、论文paper学习路径

8、Paper复现神器（文末查看）

1

如何选择论文

那目前论文每年新出的那么多，如果不会选，耗时耗力。

所以第一点，如何选论文很重要。

我们可以从论文类型角度看：

第一个是综述论文

综述论文是对某一领域的研究历史和现状的相关方法、算法进行汇总，对比分析，同时分析该领域未来发展方向。所以，综述论文是适合入门一个新领域的首选，刚接触一个新领域，首先要读的就是综述类的论文。

第二个是专题论文

就是具体的算法、模型的提出。有了相关基础知识，我们就可以进入具体算法论文当中去学习其设计思路，实验技巧，代码实现等具体技术。

但深度学习技术发展之快，每天都有成千上百的新论文，难免鱼龙混杂。所以需要挑出质量高的论文。读上百篇低质论文，不如精通一篇高质量论文。

所以，如何选择高质量的论文：

① 选择高质量期刊会议：CVPR、ECCV、ICCV、AAAI、NIPS、ICLR、ICML等

② 选择高引论文：同行间普遍认可，参考，借鉴的论文高引论文表明了这篇论文中的方法在该领域内非常重要，这也是你在选择论文时一个非常重要的参考要素

③ 选择知名团队：因为知名团队的论文质量相对较高，例如 Yoshua Bengio、Yann LeCun、Geoffrey Hinton、 Andrew Ng等

④ 选择有代码论文：我们都知道 Talk is cheap.Show me the code。这句经典名言。有代码复现的论文，不仅质量有保证的，在你实操复现的过程中，才能得到及时的反馈和收获。毕竟很多论文的实验结果无法复现，那么我们读了可能也没什么作用。

2

如何查找论文

第二，去哪里找到我们要读的论文呢？

首先，推荐一个实用网站：paperwithcode，上面收集了大量论文及其代码实现，大家可以在上面寻找论文去阅读。

问：那对于未知论文题目的论文，如何进行检索？

一般来说，我们只有关键词，想通过关键词来寻找相关论文来阅读，那么我们可以通过以下4种方法：

1、通过知网寻找优质综述，快速入门，并通过参考文献收集大量论文题目

2、通过搜索引擎，这里常用的有百度学术和google scholar，这些搜索引擎上能找到大量的相关论文

3、arXiv，arXiv是预印本平台。现在大多数论文在发表之前都会先公布到arXiv上占坑。这是由于技术发展之快，论文等不到见刊，就需要先公诸于世，让大家先看到这个方法是作者提出来的。

4、到顶会中搜索相关关键词，紧跟技术发展。

3

如何筛选优质论文

通过以上途径可以搜索到成千上万的论文，但是如何筛选优质论文呢？

那需要看论文所在的期刊是否优质，评判期刊优质的方法是看期刊影响因子。期刊影响因子是大家公认的期刊质量评判指标，它的计算方式是：

采用期刊前N年发表的论文被引数除以前N年发表的论文数，通常N=2或N=5。

除了看IF，更方便快捷的方法也可以看期刊的分区，一区优于二区，二区优于三区，以此类推。

在这里我们需要知道，分区的方式主要有两种，一种是JCR，一种是中科院。JCR是国际通用的方式，而中科院的方式仅在中国适用。

以上方法是针对未知论文题目，我们应该从哪里找到论文。

4

如何精确查找已知论文

1、这里给大家安利一个能绕过科研论文收费的神奇网站——sci-hub

（注意：由于它这个神奇的功能，所以它的网址经常需要变动。）

打开网站，我们可以搜索URL，PMID，DOI或字符串就可以打开论文，进行阅读，下载。

（PMID是PubMed中收录的文献编号，并且是唯一的。DOI是数字对象标识符，每一篇论文都有这个编号，相当于论文的数字身份证，我们可以通过DOI快速的锁定论文。）

我们可以看一看两篇经典论文的DOI，DOI分为前缀和后缀，后缀是颁发机构。举个栗子，从下面图中我们可以看到，这两篇论文都出自CVPR

2、百度学术的文献互助功能。通过搜索，点击求助文献，等待有资源的朋友上传论文就可以了。这个功能还是比较实用，比较快捷的。

3、其他领域

知网：寻找优质综述，快入入门

google scholar：scholar.google.com 构建知识体系

arXiv：arxiv.org 论文预印本（preprint）平台

关注顶会：CVPR、ECCV、ICCV、AAAI、NIPS、ICLR、ICML等

5

如何管理论文

我们学习的论文太多，所以需要论文的管理：

1、PDF格式论文通过命名进行管理。推荐两种命名格式：

时间-作者-题名的方式， 或者时间-关键词-题名的方式。

将同一个作者的同一个研究进行归类，可以清晰的看出这个研究的发展。除了规范的命名，我们还需要将同类的论文放到同一个文件夹中，方便我们查找。

2、论文管理软件：如果涉及成百上千的论文管理，那么推荐使用论文管理软件

常用的有endnote，mendeley，Zotero等等，大家可以根据需要自行下载安装管理软件。【这里提醒大家，endnote是收费的，mendeley是免费的，下面就是mendeley的界面，我们可以看到它可以很好的管理大量的论文。】

6

如何阅读一篇论文

【本节敲重点】首先，不同的人看论文侧重点不同：

① 刚入门的学员，这一类同学主要目的是学习论文中的知识点，所以要求面面俱到，尽量每个细枝末节都要学。

② 对于工业界中的工程师，则需要注重算法实现部分，要快速的从论文中知道如何复现算法，应用到自己的项目当中。

那么推荐的论文阅读方法是分为三步，首先 泛读，再精读，最后总结。再加上验证。

1、泛读

这里泛读的作用就是快速浏览，把握概要，如同吃火锅一样，一大桌菜，我们先看看桌上有哪些菜，哪些菜是要吃的，哪些是不吃的。比如，火锅底料我们就是不吃的啦~

泛读阶段，我们重点读标题、摘要、结论以及所有的小标题和图标。

下面我们举个例子，对论文进行快速浏览，

这是一篇CV领域非常经典的论文Alexnet，我们先看题目，题目是Imagenet classification with deep convolutional neural networks，从题目我们知道这论文用深度卷积神经网络来做图像分类任务。

接着阅读摘要，我们可以了解论文的概要，清楚论文采用什么方法，解决什么问题，达到什么效果。接着我们要把论文所有的小标题给列出来，将论文大卸八块，了解论文都有哪些内容，就像前面那一桌子火锅，我们要先浏览每一个盘子里装的是什么菜。

接着还要把论文的结论，所有的图片和表格进行浏览，更近一步了解论文中有哪些论证，举例，内容说明。

通过以上几个步骤，这时对论文有了一个大概的认识。在泛读之后，我们要达到的水平就是能回答以下这三个问题，这样才能算泛读完成。

第一问题，论文要解决什么问题？回想摘要我们就知道它是像要解决ILSVRC挑战赛中的分类任务。

第二个问题，论文采用了什么方法？那么这篇论文采用了什么方法呢？其实在题目中就告诉我们了，采用的是深度卷积神经网络。

第三个问题，论文达到什么效果？从摘要我们也能知道，论文在ILSVRC2012比赛中以15.3%的top5 error夺冠 这就是对泛读之后进行自我评测的三个问题。

2、精读

泛读完成之后，对论文总体有了把握，接下来就是挑选精华部分进行阅读。

前面提到在校生与工程师读论文之间是有差异的，更具体地就体现在精读部分：

① 对于学员来说，要学习更多知识，做到面面俱到，那么论文中的所有内容都是你的精华，都需要仔细阅读，仔细去品。

② 对于工程师而言，目标就是找到算法实施部分，了解算法如何实现，以及其中有哪些技巧，更偏工程的看待论文。对于精读完成后，我们要能够对所读段落了如指掌。这样才算完成精读。

3、总结

经过泛读精读，最后需要对论文进行总结。

总结是对论文的创新点、关键点和启发点进行摘抄记录。对于有写论文发论文需要的同学来说，这一步是至关重要的，对论文的总结是为课题提出创新点打下基础。 总结部分也是仁者见仁，在校生需要总结一切与写论文发论文有关的信息句子，对于工程师，可能更多的是总结算法实现的参数，步骤，实验细节等

4、验证

完成论文三步曲之后，我们需要对阅读效果进行一个验证。

验证的方法其实很简单，就是回答三个终极问题，你是谁，从哪里来，到哪里去 最后也要知道这篇论文有哪些是可以借鉴的。

最后，我们来看看论文结构，要知道论文都有哪些内容构成，每一部分会有什么信息。

这里总结为6个主要部分：

1. 摘要，摘要主要讲论文简介，阐述工作内容，创新点，效果

2. 引言部分介绍研究背景，研究意义，发展历程，提出问题

3. 相关工作相关研究算法简介，分析存在的缺点

4. 本文工作论文主要方法，实现细节

5. 实验部分，介绍算法实现步骤及结果分析 

6. 探讨部分，论文结论及未来可研究方向

7

Paper学习路径

最后，如何更高效地阅读论文，并通过论文熟悉某个方向领域呢？

学习论文是一个系统性的工程，如何更高效地阅读论文，并通过论文熟悉某个方向领域呢？这就需要合理的学习路径。

第一点，基础必不可少。这里总结了必备的基础知识，我们来看一下

1、Python基础：这是毋庸置疑的必备基础，我们后边代码实现就是基于python语言。

2、数学基础：包含矩阵计算、概率论和信息论，矩阵计算在CV领域是必备知识，概率论与信息论在NLP中也是常见的概念。

3、神经网络基础：由于深度学习属于神经网络，因此神经网络的内容必须要了解，特别地，对于CV领域CNN是很重要的，大多数CV任务已经被CNN统治，对于NLP领域而言，RNN是必不可少的知识。

4、深度学习框架PyTorch：除了理论基础，实践的基础就是现在最热门的深度学习框架PyTorch，我们需要了解如何利用pytorch实现数据读取，数据增强，如何构建模型，如何设置损失函数优化器等等。而且PyTorch是现在最适合新手入门的框架，代码简洁易读懂，并且目前最前沿的技术，论文，大多数都有pytorch的实现，学会pytorch可以快速的紧跟前沿技术。

第二点，有了理论和实践的基础，就要针对CV和NLP两个方向进行选择，CV和NLP有着各自领域基础，大家要根据自己方向进行基础知识的巩固学习。对于CV领域，我们需要知道图像基础知识，图像的基本处理方法等等内容 对于NLP方向，我们需要了解什么是词袋，分布特征是什么，tfidf权重，等基础知识。

第三点，那我们巩固好理论、实践、方向领域上的基础之后，就可以进入论文的baseline cv方向，你应该选择领域内引用高，同行间普遍熟知的论文，包含alexnet vggnet googlenet resnet等等。NLP方向的baseline，你应该选择开创性、引用高和应用到实际业务的论文，主要覆盖词向量、nlp深度学习主流框架和应用，预训练模型等主流方向，做到兼顾科研和工业应用平衡。

第四点，熟悉了baseline论文，就算是入了门，就可以根据自己研究方向及感兴趣的方向选择性的学习专题论文。对于CV常见的有OCR、GAN、知识蒸馏、目标检测、图像分割等等。对于NLP有文本分类，句子匹配，关系抽取等等。

从中找到你想要研究的专题是很重要的，如果你在初期阶段，对细分专题没什么概念，你也可以初步都学习了解一下，找到自己感兴趣的专题，针对特定研究方向，深入学习。

8

Paper复现神器

学习之路总结的经验，望对大家有所帮助。

不过经验未经实践，很难成为自己的技能。所以我在这里推荐深度之眼与阿里云天池合作的：

3天带你 复现CV、NLP经典开山之作：

Alexnet 和 Word2vec

从泛读 到 精读，从算法模型 到 代码复现

现仅 50个免费名额

↓ 扫描上方二维码加小姐姐 ↓

↓回复：baseline  领取课程 ↓

参加即曾《AI研究生必读AI经典Paper篇目》、

和价值298元的《算法工程师面试锦囊》。