读论文的方法（人工智能方向）

1.为什么要读论文

• 构建知识体系
• 紧跟前沿技术
• 培养科研逻辑
• 写论文
• 找工作

2.论文类型

综述论文： 快速熟悉该领域发展历程、现状，领域内的基础概念及关键词
专题论文： 介绍具体算法，可学习设计思路、实验技巧、代码实现等

3.读哪些论文

高质量期刊会议： CVPR、ECCV、ICCV、AAAI、NIPS、ICLR、ICML等
高引论文： 同行间普遍认可，参考，借鉴的论文
知名团队： Yoshua Bengio、Yann LeCun等
有代码论文： 方便复现（推荐网站：http://paperswithcode.com）

4.如何找论文

未知论文题目：通过关键词搜索相关领域论文
1、知网：寻找优质综述，快速入门
2、百度学术、Google scholar
3、arXiv: https://www.arxiv.org 论文预印本（preprint）平台
4、顶会：CVPR、ECCV、ICCV、AAAI、NIPS、ICLR、ICML等
优质论文主要看IF（影响因子）

• sci-hub： 下载论文神器（外网网址，打开速度慢，可自行爬梯解决 ）
  https://sci-hub.tw
  https://sci-hub.si
  https://sci-hub.se
• 百度学术 文献互助或者求助全文

5.整理论文

1、统一命名格式：

• 时间-作者-题目
• 时间-关键词-题名

2、按类别归档文件夹
3、利用检索工具检索，如Everything
4、论文管理工具（当论文有几百上千篇时）：endnote（收费）、Mendeley（推荐，免费）、Zotero、Citavi等 中文文献推荐知网研学

6、读论文

三步走：泛读、精读、总结

1、泛读

• 快速浏览，把握概要：读标题、摘要、结论、所有小标题和图表。
• 泛读目标及效果：论文要解决什么问题，用了什么方法，达到了什么效果？

2、精读

• 选出精华，仔细阅读
• 精读目标及效果：所读段落是否详细掌握

3、总结

• 文中创新点，关键点，启发点等重要信息

阅读效果自测：

1、论文提出/采用什么方法，细节是什么
2、要解决什么问题\任务，其启发点或借鉴之处在哪
3、论文方法达到了什么效果

论文的结构：

1、Abstruct
论文简介，阐述工作内容，创新点，效果
2、Introduction
介绍研究背景，研究意义，发展历程，提出问题
3、Related work
相关研究算法简介，分析存在的缺点
4、Our Work
论文主要方法，实现细节
5、Experiments
实现步骤及结果分析
6、Discussion
论文结论及未来可研究方向

论文代码的复现：

1、任务定义

• 搞清楚程序的目的
• 为了实现什么任务

2、数据来源

• 源码获取渠道
• 数据集类型
• 数据集来源

3、运行环境

• 搭建环境
• 实验工具
• 第三方库

4、运行结果

• 能否运行成功
• 运行代码后出现什么样的结果

5、如何实现

• 代码整体架构
• 每部分实现细节

7、学习路径

基础知识

1、Python基础
2、数学基础

• 矩阵计算
• 概率论、信息论

3、神经网络基础知识

• 神经网络
• 多层感知器
• 卷积神经网络基础
• 循环神经网络

4、PyTorch入门

• PyTorch简介及安装
• PyTorch基础与手写数字分类
• PyTorch数据读取及数据增强
• PyTorch模型核心之Module模块
• PyTorch优化器Optimizer
• PyTorch可视化TensorBoard
• 图像分割Unet实现
• Faster RCNN实现
• RNN（循环神经网络）实现
• GAN（对抗神经网络）实现
• PyTorch文本处理相关的技巧

5、CV图像基础

• 图像基础知识
• 图像基本处理
• 图像处理进阶
• 视频及图像分割
• 人脸检测和识别
• 目标检测与识别

6、NLP基础知识

• 文本特征
• 词袋 bag of words BOW
• 分布特征 （distributional)
• tfidf权重
• n元语言模型
• 语言学特征：句法树
• nlp相关任务
• 文本分类
• 序列标注
• 翻译、摘要生成、信息抽取等
• 文本生成NLG

细分领域

CV：

• 图像分割系列论文
• 目标检测系列论文
• OCR-sunting
• 人脸识别
• 人体姿势识别
• 等

NLP：

• 预训练模型
• 文本分类
• 神经机器翻译
• 句子匹配
• 信息抽取（命名实体识别、关系抽取等）
• 等