如何找到同方向的论文和代码

weixin_43304656

已于 2022-10-05 14:59:25 修改

阅读量1.7k

点赞数 3

文章标签：人工智能计算机视觉 python

于 2022-10-05 14:41:54 首次发布

本文链接：https://blog.csdn.net/weixin_43304656/article/details/127171473

版权

如何找到同方向的论文和代码

首先明确自己方向的关键字

在我们刚开始做科研的时候，肯定会遇到很多棘手的问题，最现实的就是空有那么多高质量的论文，但是我们如何去找论文，如何读，并且理解相关开源的代码，这些是我们迫切需要学会的。
现阶段，首先要做的是找老师确定下自己要做的某个大方向，比如，视觉任务的四大方向，跟踪、分类、检测、分割。先确定自己做的大方向，然后咱们就可以开始学习如何找论文了。比如，动作识别：action recognition，语义分割：semantic segmentation，目标检测： object detection 等等。

找科研论文的一些建议

1.首先的话除了一些经典方法的论文之外，建议你们看的论文都是近三年的顶会和一些高质量的Trans。我个人感觉三大视觉顶会的论文就够咱们每年看的了，就是学习他们的思路和方法看顶会就可以了，如果学着怎么写论文的话，还得多参考一些高质量的Trans。下面我就列举一些会议和期刊名称仅供参考：
做视觉任务的首先要关注的是三大视觉顶会：CVPR ICCV ECCV，CVPR是每年开一次，ICCV和ECCV每两年相互交替的开，比如今年开ICCV，明年就开ECCV了。除了三大视觉顶会，此外还有一些CCF A级别的顶级会议如：AAAI、ACM MM、WWW、NeurIPS、ICML、IJCAL等（其实还有一些，但是以上都是比较知名的顶会）会议的论文大多数都是免费下载的，我们学校也购买了IEEE旗下的所有期刊，所有我下面推荐的大多数是IEEE的高质量期刊。

CCF A、B类推荐期刊：
IEEE TPAMI： IEEE Transactions on Pattern Analysis and Machine Intelligence (大顶刊）
IEEE TIP： IEEE Transactions on Image Processing （大顶刊）
AI： Artificial Intelligence
IJCV： International Journal of Computer Vision
IEEE TVCG: IEEE Transactions on Visualization and Computer Graphics
IEEE TMM: IEEE Transactions on Multimedia
IEEE TCSVT: IEEE Transactions on Circuits and Systems for Video Technology
IEEE TNNLS: IEEE Transactions on Neural Networks and learning systems
PR : Pattern Recognition
IEEE TMI： IEEE Transactions on Medical Image (医学Trans）

找论文和相关代码的一些网站推荐：

https://paperswithcode.com/ （这个网址首要推荐给新手，这里面的论文大部分都是有代码的，你们可以在里面搜自己方向的关键字就会出现很多论文，包括论文的投稿期刊、论文的年份、论文是否有代码等.）
https://arxiv.org/ (arXiv是一个收集物理学、数学、计算机科学与生物学的论文预印本的网站，始于1991年8月14日。简单来说，为了防止自己的idea在论文被收录前被别人剽窃，我们会将预稿上传到arvix作为预收录，因此这就是个可以证明论文原创性（上传时间戳）的文档收录网站。很多论文在这里都能被搜到。)
https://github.com/amusi/CVPR2022-Papers-with-Code/ (这是一个博主总结的最新的CVPR有代码的论文的集合，这里面细分出来很多方向，可以直接找自己方向的论文，很方便，而且都是高质量的论文。)
https://github.com/amusi/ICCV2021-Papers-with-Code （同上）
当然最niu的还是我们程序员必备Github，在这里面搜论文和搜代码的话要特别注意关键字，不能直接搜论文的全称，这样很容易搜不到相关的代码，建议部分搜关键字。

怎么给组织下载下来的论文

建议每一篇下载的文献，用其发表年份+论文题目命名，比如2018-News session based recommendation susing deep neural networks，
而每看完一篇，将看完的这篇论文前标序号，比如4.2018-News session based recommendation susing deep neural networks，代表我第四篇看完了这个。

这样的话，假设我们有一个Notes.md文件，那么我们就直接在最后加一个References Section，然后把已经看过的论文按照自己标的顺序列出来，在总结的时候相关的内容直接加引用，相当于根据目前自己看了的论文写一个Related Work。

如果想根据不同的论文写自己的看法，也可以直接用序号.md命名就成。

同样，在ipad中由于有手写笔，可以进行一些算法的记录、演算，为复现做准备，笔记本名称可以直接使用自己标的论文序号，这样就方便很多。不同方向的论文放不同的文件夹保存，或者以上觉得麻烦的话，可以使用一款强大的管理文献的工具：Endnote. 具体使用步骤参考下面这个网址：
Endnote使用

如何高效读一篇论文？

读论文确实枯燥无味，刚开始的时候你们通篇读一篇论文可能得要三四天可能更久的时间，而且读了后面忘了前面，并且对论文的结构并不清晰，导致效果并不是很好。我们如何简单快速的读一篇论文呢？
1.首先的话肯定是明确论文的主题，摘要部分主要围绕着论文的主要创新点和论文做的方向主题展开写的。（重要）
2. 其次我们主要阅读一篇英文文献的介绍部分、方法部分。其实加起来也就三个部分，摘要、介绍、方法。介绍部分你读完，肯定会知道作者做的这个方向有哪些缺点以及最近的一些工作在本领域上的一些工作，他们的不足之处，然后你还会知道作者基于以上不足，提出了什么方法去解决这些问题。
3. 其次方法部分的话，要把论文的主题框架图弄明白，每个模块的作用以及每个模块在代码里面如何实现的（这些的慢慢来，刚开始会慢一些，但是会越来越顺手），至于论文里面那些方法部分的数学公式都是抽象的表示，可以不用弄明白，它们只是辅佐读者看的，主要还是看代码。所以，话又说回来，一定要看有代码的论文！！！！没代码的论文看了就是浪费时间。

如何复现一篇没代码的论文（如果真的遇到很符合的论文，但他没代码）

复现的前提还是先读论文，一篇论文的abstract、introduction、method、quantitative evaluation部分比较重要，着重看。在这一阶段对网络的架构等做一定的了解。
科研并不是从0到1，一定要多去了解已有的工作，以及已有的论文代码。在阅读完论文代码后，可以按照如下步骤逐步复现：

步骤1：找到有开源代码的论文，在Github上找到历史的有代码的论文，这些论文项目虽然比较旧，但参考价值很大。（但是如果找不到代码的话，可以找做相关数据集类似的代码，这样如果那个代码你能跑起来，那么只要改动里面的模型部分、和损失函数就几乎可以实现初步的复现。

步骤2：整理好数据集的加载
搞清楚数据集怎么制作怎么加载怎么输入怎么计算怎么输出，数据集如何处理，如何编码。

步骤3：搭建论文模型
基于论文思路整理好模型结构，有多少层，每层的细节，每层的维度，一步一步搭建。保证模型可以正常训练和预测。

步骤4：确定训练细节
根据论文实验部分的细节，确定具体的batch、epoch、学习率和优化器，确定训练的流程没有问题。