前言 本文分享知乎上关于“计算机视觉领域如何从别人的论文里获取自己的idea?”话题的高赞回答。
来源:https://www.zhihu.com/question/353691411仅用于学术分享,若侵权请联系删除作者:邵浩博士
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!作者:LeapMay
https://www.zhihu.com/question/353691411/answer/910600098第一,先把别人论文里的代码复现一下,搞懂methdology,搞懂code,把别人的论文吃透。第二,仔细琢磨论文里conclusion里的结语和下一步工作方向。第三,寻找论文方法里的欠缺,模型是否可以优化,思路是否可以精简,结合自己的储备,初步判断自己可以开辟的点,然后尽量和周围大牛进行讨论交流。第四, 根据自己可以立足的点,着手理论推导和工程实现,进一步提炼idea。作者:知乎用户
https://www.zhihu.com/question/353691411/answer/900455777总结一下楼上的回答,方便自己日后搜到....1.交叉科研法(杨强:棋盘法)2.用a领域的方法,借鉴b方法,解决c领域的问题,引用一些文献证明有理论根据还可以引用些生物学的理论?LRN涉及到神经元侧抑制啥的,不过现在没人用了;cornernet-saccade引用了一篇很老的生物领域的论文,解释saccade作者:知乎用户
https://www.zhihu.com/question/353691411/answer/899997687从论文题目,概要,引言,结论和讨论入手。首先谈题目
每年的CS论文都很多很多,但是我们没有精力一一阅览,所以通过题目可以筛选掉很多自己不care的方向。可以减小自己寻找idea的精力成本。
其次,从概要入手,看论文主要针对什么问题,大概方法是什么,最后结论是什么。牢牢把握住这三点。
最后看讨论和结论部分,这里往往是寻找idea的重点所在。看讨论部分,有哪些问题说的不清楚,或者作者写的不够完善,一些现象的原因探究不够彻底等等这些方面都可以尝试着去挖掘。至于结论部分,也是如此,看作者运用了什么方法,什么评价指标,得出了什么结论,可以思考方法是否最优,评价指标是否最好,如果更换以后,结论是否一致,如果一致的话,那么可以验证本文,如果不一致,那么原因在哪里,我们在进行这类研究时,需要考虑哪些因素的影响。
另外,对论文的整理归类也十分重要,看得有一定数量以后,就会明白,针对某一个问题,主要研究方法有哪些,做的程度如何,理解需要改进,深入,补足,问题迁移到其他领域甚至是提出创新性方法的地方,这都是平时的点滴积累。
作者:程旭源
https://www.zhihu.com/question/353691411/answer/897499123idea不是单单看论文就能想出来,很多场景下都可能有idea,这需要灵感。你意思应该是research scope 或者research problems吧?
一般先看introduction和conclusion,会知道这篇论文做了什么、贡献是什么、实验结果,以及未来工作展望。future work可以作为一个启发。如果文章研究方向、用的算法你感兴趣,可以去experiment那里看看,设计思路、框架,去discussion那里看看实验分析,结果效果不好的地方都可能作为research problem。
那对应的解决方法——你的idea ,可能牵扯到你理论基础底蕴、论文复现时候的灵感、实力应用场景的启发等多方面。
如果上边说的太抽象,那就一句话吧,复现你感兴趣的论文,复现的过程中多想,就有idea了。
往期精彩回顾
欢迎加入机器学习爱好者微信群一起和同行交流,目前有机器学习交流群、博士群、博士申报交流、CV、NLP等微信群,请扫描下面的微信号加群,备注:”昵称-学校/公司-研究方向“,例如:”张小明-浙大-CV“。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~(也可以加入机器学习交流qq群772479961)