点击上方“小白学视觉”,选择加"星标"或“置顶”
重磅干货,第一时间送达
来自 | 知乎
链接丨https://www.zhihu.com/question/353691411
编辑 | 深度学习这件小事公众号
仅作学术交流,如有侵权,请联系删除
提问
计算机视觉领域如何从别人的论文里获取自己的idea?
高质量回答
Cheng Li
机器学习学习者
https://www.zhihu.com/question/353691411/answer/900046621
我其实有个不错的想法:
40篇比较新的oral paper,最好是开源的、你能看懂的、尽可能时髦的、大佬点赞的。
然后画一个40*40的矩阵,对角线上的元素不看,还剩下1560个元素。
每个元素看看A+B是不是靠谱,虽然可能99%都不靠谱。
但是还是有可能筛出来15篇左右的idea,如果考虑交换性可能只有7篇也够了。
或者你找40篇比较新的不是你发的oral paper,再找K篇自己的paper,也可以做这个事情。这样就不用排除对角元素了。
个人的publication水平还不高,不过很多其实也不是A+B产生的。
比如CNN之前的话,有一些是发数据集的
Pixel-Level Hand Detection in Ego-centric Videos
https://www.cv-foundation.org/openaccess/content_cvpr_2013/papers/Li_Pixel-Level_Hand_Detection_2013_CVPR_paper.pdf
有一些其实是一个经典pipeline里面有A+B+C很多步。
别人讨论B,C等步骤比较多,但是A步骤也很重要。想出一个A的trick最后发展出一篇文章
Face alignment by coarse-to-fine shape searching
http://openaccess.thecvf.com/content_cvpr_2015/papers/Zhu_Face_Alignment_by_2015_CVPR_paper.pdf
A+B也可以有一些跨度大的时候,也能产生一些还比较有趣的想法,并不是简简单单的incremental work。
比如把推荐系统用在分类器推荐(CNN时代之前)
Model recommendation with virtual probes for egocentric hand detection
http://openaccess.thecvf.com/content_iccv_2013/html/Li_Model_Recommendation_with_2013_ICCV_paper.html
分而治之也是常见思路,任何topic都可以加(CNN时代之前)
Unconstrained face alignment via cascaded compositional learning
http://openaccess.thecvf.com/content_cvpr_2016/html/Zhu_Unconstrained_Face_Alignment_CVPR_2016_paper.html
还有有的时候看到别人RL+tracking的文章,想到手里的聚类也可以这么做,就搞了一个A+B(不过步子扯有点大老是被拒后来就投了AAAI)
Merge or not? learning to group faces via imitation learning
https://arxiv.org/abs/1707.03986
今年还看到有人用GCN聚类所以结合GCN重新投了一篇。(还没release)
还有有时候可以做一些哲学讨论,就不是简单的A+B了
The devil of face recognition is in the noise
http://arxiv.org/abs/1807.11649
----------补充说明----------
发现看的人有点多 (为了避免误导)感觉要补充说明下
如果只是A+B需要说明为什么是non-trivial的,一般至少要改成A+B' 或者 A+B+C 比较容易发
比如之前搞过一篇其实是Unsupervised Landmark + VUNet的decompose + CycleGAN
如果只是前面两个term做到一半的时候试着投ICLR 就没成。。。后来把CycleGAN的部分做完CVPR就中了。。。
匿名用户
https://www.zhihu.com/question/353691411/answer/900377446
其实 @Cheng Li 的答案看似调侃,但可操作程度很高,甚至很多组其实就在这么做。不同的是可能是从多个方向取才然后交叉,效果更佳。
虽然我不是做CV的,但我有遇到相似的问题。如果提出了新颖的、效果不错、但无法理论证明的想法(尤其我做的是无监督学习+不平衡数据+集成学习),那这种文章大概率会被毙掉。
审稿人有太多方向可以攻击你,比如缺少可靠的baseline,理论不够坚实等等,即使偏应用的数据挖掘会议也不能幸免。反而是那种几个领域交叉一下,你可以说我们把A用在了C上,并借鉴了B,效果拔群。理论基础可以参考文章[1,3,4],剩下的就是加工一下motivation,跑试验证明效果好就可以了。
这种套路可行吗?可行,因为我也干过。但为啥要这么做呢,主要还是因为现在投稿数量上升导致的审稿人质量方差大,这导致你必须考虑审稿人能够意识到这文章是背靠大树,踩在前人的肩膀上,靠谱。
而对于真正自己喜欢的、比较新鲜的、缺乏对照和理论基础的,我会在投主会前投别的顶会的workshop(注意是不会正式发表的那种,因此不是一稿多投),先收集一下反馈并在网络上留下被accept过的痕迹。之后会放到Arxiv上,并注明已被xx workshop接受,同时放出完整的代码,如果可能甚至会直接写成可用的工具包。
直到这一切都做完了,我才敢把这种点子投到顶会的主会上。原因有很多,但最核心的原因是现在的双盲已经名存实亡,人们拿到稿子都会去搜一圈。如果看到了一个工作出自靠谱的团队,且已经被审过、接受过,有对应的完整代码和工具,即使主题比较新,也会更倾向于接收。
这对于“标新立异”的文章而言是很有帮助的。但不难看出这种操作的成本和代价有多大,远不如几个方法一交叉来的成本低。
但成本和成就感之间总是有妥协的,所以饭要吃,梦也还是要做的。
毕竟人不吃饭会死,但睡不够就会活得像行尸走肉,又能好多少呢?
邵浩博士
苏州狗尾草智能科技有限公司 人工智能研究院院长
https://www.zhihu.com/question/353691411/answer/922682279
读完论文以后(非常大的量),就会有一些对这个方向的概括性的了解,也会发现这个方向上还没有做好的问题,idea也就自然而然出来了。写论文,无非是四个层面:
1)新问题,新方法;
2)新问题,老方法;
3)老问题,新方法;
4)老问题,老方法。
无论是计算机视觉,还是其他领域,从四个方面都可以入手。
比如说某篇论文做的是行人识别,用了算法是YOLO3,那么你是不是可以:
1)做一个手上拿电脑包的行人识别,改进一下YOLO3,搞一个自己的YOLO3+的算法
2)做一个手上拿电脑包的行人识别,还是使用YOLO3,用大量的实验证明有效性
3)做一个传统的小猫识别,使用改进后的YOLO3+算法
4)做一个传统的小猫识别,还是使用YOLO3,用大量实验证明其有效性
归根结底就一点:读大量大量的论文!
好消息!
小白学视觉知识星球
开始面向外开放啦👇👇👇
下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程,即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。
下载2:Python视觉实战项目52讲
在「小白学视觉」公众号后台回复:Python视觉实战项目,即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。
下载3:OpenCV实战项目20讲
在「小白学视觉」公众号后台回复:OpenCV实战项目20讲,即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。
交流群
欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~