1 为什么读论文
构建知识体系：通过Related Works快速了解该方向研究现状，追踪经典论文
紧跟前沿技术：了解领域内新技术及效果，快速借鉴到自身项目
培养科研逻辑：熟悉论文体系，了解如何创造新事物，培养良好科研习惯
写论文：读书破万卷，下笔如有神
面试找工作：涉及大量面试问题，丰富简历必备
2 读哪些论文
论文类型角度
综述论文：快速熟悉某领域发展历程、现状及子方向，了解领域内基础概念及关键词
专题论文：介绍具体算法，可学习其设计思路，实验技巧，代码实现等具体技术
论文质量角度
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,Geoffrey Hinton,Andrew Ng等
有代码论文："Talk is cheap.Show me the code."
推荐网站：https://paperswithcode.com
3 如何找论文
未知论文题目：依关键字搜索相关领域论文。
1.知网：寻找优质综述，快速入门
2.百度学术，google scholar
3.arXiv：https://arxiv.org 论文预印本（preprint）平台
4.顶会：CVPR,ECCV,ICCV,AAAI,NIPS,ICLR,ICML等
是否优质，看IF
IF（Impact Factor，影响因子）：期刊前N年发表的论文被引数除以前N年发表的论文数，通常N=2或N=5
JCR（Journal Citation Reports,期刊引证报告）：统计SCI期刊的论文引用数据，给出各期IF
SCI期刊分区：
JCR方式，yi、二、三、四区各占25%
中科院方式，一区为前5%，二区为5%-20%，三区为20%-50%，四区为50%-100%
sci-hub:一个能绕过科研论文收费的神奇网站
PMID（PubMed Unique Identifier,PubMed唯一标识码）：PubMed搜索引擎中收录的生命科学和医学等领域的文献编号
DOI（Digital Object Unique Identifier，数字对象唯一标识符），相当于文献的数字身份证
10.1109/CVPR.2015.7298594
10.1109/CVPR.2017.243
百度学术 文献互助：http://xueshu.baidu.com
4 如何整理论文
统一命名格式：时间-作者-提名；时间-关键词-提名
按类别归入文件夹
检索：电脑自带搜索工具，搜索关键词
借助论文管理软件：endnote（收费）,Mendeley（推荐）,Zotero,Citavi等
5 如何读论文
读论文的困境
重点难把握：10多页文字，难在找到终点，关键点
论文关系复杂：论文之间存在相互借鉴引用，需耗费时间岑能理清技术发展历程
公式图标难懂：公式复杂，参数过多，难以理解
难以坚持：世上无难事，永不放弃
不同人群阅读差异
入门的学员们：学习知识为主，要求面面俱到；
工业界工程师：借鉴算法为主，注重算法实现。
读论文三部曲：泛读，精度，总结
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
泛读目标及效果自测：
1.论文要解决什么问题？
2.论文采用了什么方法？
3.论文达到了什么效果？
精度
选出精华，仔细阅读。
精度目标及效果自测：所读段落是否详细掌握
总结
总览全文，归纳总结。总结文中创新点，关键点，启发点等重要信息
论文阅读效果自测
回答三个终极问题：
1.你是谁：论文提出/采用什么方法，细节是什么
2.从哪里来：论文要解决什么问题/任务，其启发点或借鉴之处在哪
3.到哪里去：论文方法达到什么效果
论文中可借鉴地方总结
论文结构
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
论文代码学习方法
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：源码渠道，数据集类型，数据集的来源
3.运行环境：运行环境，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
6 paper学习路径
基础知识
Python基础
1.编程基础
2.机器学习库
神经网络基础知识
一、神经网络与多层感知器
1.人工神经元：MP模型
2.多层感知机
3.激活函数（sigmoid/tanh/relu）
4.反向传播（BP）：梯度下降，学习率
5.损失函数：MSE/CE;Softmax函数
6.权值初始化
7.正则化：L1,L2,Dropout;提及BN/GN/IN/LN
二、卷积神经网络基础
1.卷积神经网络简介
2.卷积层
3.池化层
4.Lenet5
三、循环神经网络
1.rnn循环神经网络
2.lstm长短记忆循环神经网络
3.gru门控循环单元
数学基础
1.矩阵计算
2.概率论、信息论
PyTorch入门
1.PyTorch简介及安装
2.PyTorch人命币分类
3.PyTorch数据读取模块
4.PyTorch数据增强
5.PyTorch Module模块
6.PyTorch常用网络
7.PyTorch损失函数
8.PyTorch优化器Optimizer
9.PyTorch可视化TensorBoard
10.PyTorch使用技巧GPU/Finetune/保存加载
CV图像基础
一、图像基础知识
1.数字图像
2.图像的属性
二、常见图像处理
1.绘图、添加文字
2.图像几何变换
3.图像滤波与增强
4.形态学变化
三、图像分割
1.阈值分割
2.边缘检测
3.连通域分析
4.图像轮廓
5.区域生长
6.分水岭算法
四、图像特征与目标检测
1.图像特征理解
2.形状特征
3.纹理特征
4.模块匹配
5.人脸检测
6.行人检测
五、运动目标识别
1.摄像头调用
2.视频的读取与保存
3.帧差法
4.光流法
5.背景减除法
NLP基础知识
一、文本特征
1.词袋bag of words BOW
2.分布特征（distributional）
3.tfidf权重
4.n元语言模型
5.语言学特征：句法树
二、Nlp相关任务
1.文本分类
2.序列标注
3.翻译、摘要生成、信息抽取等
4.文本生成NLG
————————————
仅用于本人学习
来源：网络
