斯坦福php项目怎么样,科学网—发现自己的论文居然成了斯坦福大学的课程项目 - 杨双的博文...

本来某日在网上闲来无视,想搜一搜和学长合作的那篇论文有没有人引用了,结果搜出来了一长串实验数据图片,上面写着我论文的名字,但是又不是我论文的实验图片。仔细一看,发现这是斯坦福计算机系某门研究生(或者高年级本科生)课程项目的报告。

其实这门课我刚进斯坦福的时候也选过,算是我在斯坦福受益最大的课程之一。因为上这门课,精读了老师精选的40篇计算机网络历史上的很重要或者很有意思的高水平论文。这算是我第一次系统地阅读网络方面的经典论文。记得当年课程要求是,上课前必须把下次上课前的论文读完,对论文写评论,然后上课要发言讨论。我貌似以前发过一篇关于上那课程的感受的博文,这里就不重复叙述了。

仔细看了一下今年的课程要求,还是要读很多论文,不过论文列表更新了。没想到的是,我去年年底和学长合作的论文居然也进入了这个“经典”论文的列表。更有趣的一点是,课程项目变成了“研究论文中的结果是可以重复实现的吗”,要求学生两个人一队从这些论文中挑选一些,用自己的方法重复论文的实验/或者自己设计实验验证论文的结果,和原论文作比较,然后对论文写一篇评论报告。

我仔细读了一下这些学生关于我论文的实验报告,很自豪地觉得斯坦福的学生真是太厉害了!

当年我写这篇论文的时候实验全部使用NS2完成。当时最头痛的问题就是没有做真实的实现甚至emulation。不过我发现选我论文的学生没有一个是用NS2做的。相反,他们都去EC2,通过openflow或者去hack linux内核来做真实实现。不得不佩服斯坦福学生的水平。如果是我的本科,我相信肯定一群人联系原作者要代码吧(有一个我觉得做得最好的学生和我关系还真不错,不过她都没有向我提过她课程要重做我的论文),而不会花甚至比原作者更大的功夫去EC2上做实验。当然,他们的实验和我当年做的还是有本质区别: 他们的emulation最快也只能达到100Mbps,而我当年的论文是针对10Gbps设计的……

另外所有报告都对我的论文提出了这种或者那种的批评……虽然有部分的批评我觉得是因为误解了我的论文,不过很多批评都是相当有价值的,价值不低于当年会议上其他人对这篇论文的批评。不过值得庆幸的是,所有批评点都在后续论文中给出了我觉得相当漂亮的解释。比如有篇论文觉得某个地方实验结果对取参数的方法很敏感,他们实验了不同的取参数的方法,结果差得很远; 我们后面的论文从数学上推导了这个地方如何取最优的参数等等……

总结一下: 我想说的是,这门课看起来越来越有意思了; 另外没想到我的论文也能“入选”这门课的论文列表啊~~是不是说也会成为明年博士生资格考试的考试范围了, 啊哈哈~~

转载本文请联系原作者获取授权,同时请注明本文来自杨双科学网博客。

链接地址:http://blog.sciencenet.cn/blog-441887-675479.html

上一篇:投掉了也许是人生中最后的一篇论文

下一篇:中了一篇SIGCOMM

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生(Region Proposal),生有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值