论文经验 - CV方向
前言
本篇博客介绍计算机视觉(CV)方向检索和阅读论文的一些经验。内容包含顶会顶刊介绍、检索论文、阅读经验、论文写作。
顶会顶刊介绍
若想更加详细的了解，可以参考 CCF推荐会议/期刊目录，本文仅从以下2个领域对常见的顶会顶刊进行总结：
顶级会议
A类
- CVPR: International Conference on Computer Vision and Pattern Recognition
- ICCV: International Conference on Computer Vision
- ICML: International Conference on Machine Learning
- NIPS: Annual Conference on Neural Information Processing Systems
- AAAI: AAAI Conference on Artificial Intelligence
- ACM MM: ACM International Conference on Multimedia
- SIGGRAPH: ACM SIGGRAPH Annual Conference
- IJCAI: International Joint Conference on Artificial Intelligence
B类
- ECCV: European Conference on Computer Vision
暂无评级
- ICLR: International Conference on Learning Representations
顶级期刊
A类
- TPAMI: IEEE Trans on Pattern Analysis and Machine Intelligence
- IJCV: International Journal of Computer Vision
- TIP: IEEE Transactions on Image Processing
B类
- TNNLS: IEEE Transactions on Neural Networks and learning systems
- Pattern Recognition
检索论文
顶会期刊官网
- IEEE：IEEE Xplore
- CVPR 2020：CVPR 2020 Open Access Repository
- dblp_CVPR：CVPR
- dblp_ICCV：ICCV
- dblp_ECCV：ECCV
- And so on
综合数据库
- dblp：dblp: computer science bibliography
- arXiv：arXiv.org e-Print archive
- 百度学术：百度学术
- Google学术：Google 学术搜索
- 中国知网：中国知网
- 万方数据库：万方数据知识服务平台
特殊检索
- Paper with code：The latest in Machine Learning | Papers With Code
- Paper without code：Papers without code - where unreproducible papers come to live
GitHub
带有Awesome字样的GitHub仓库，一般会整理出对应方向的优秀论文。
例如：
目标检测方向：GitHub - amusi/awesome-object-detection
语义分割方向：GitHub - mrgloom/awesome-semantic-segmentation
GAN方向：GitHub - kozistr/Awesome-GANs
图像上色方向：GitHub - MarkMoHR/Awesome-Image-Colorization
公众号
- CVer
- 计算机视觉life
- 机器学习与生成对抗网络
- And so on
搜索步骤
中文文献
在中国知网、万方数据库、百度学术、谷歌学术等支持中文文献的检索数据库进行搜索。
外文文献
在对应方向的顶会期刊中搜索（例如计算机视觉方向的3大顶会），或在dblp和arXiv等综合数据库搜索。
阅读经验
注意事项
- 一开始看论文时不要追求速度，要尽量把论文中的所有知识点搞懂，打好基础，达到触类旁通的效果。
- 网上的博客可以辅助理解论文，但不能只看博客不看论文。
- 要给自己消化论文的时间，不能盲目的一直读论文，论文读累了可以考虑做其它事情，比如看代码、做实验、做项目，这样吸收效果更好。
论文命名方式
会议/期刊_年份_名称.pdf
或
会议/期刊_年份_作者_名称.pdf
论文内容（总结）
- 方法简介：总体框架
- 论文信息：标题、收录、时间、作者
- 摘要：动机，贡献，方法，实验
- 动机：困难与挑战，解决了什么问题
- 贡献：贡献点，效果
- 方法：总分格式，总体框架，详细介绍
- 实验：定量实验，定性实验，消融实验
- 结论：贡献，优点，不足，为何要读，对自己有何帮助，对他人有何借鉴意义
论文代码
- 如果论文作者有代码并开源的话，一般在论文的
Abstract和Introduction里会提到（可能在注释中）。 - 如果论文作者没有代码，第三方有代码的话，一般在github上可以搜到。
- 在paper with code网站上搜索，也可以知道某篇论文有没有对应的代码。
理解知识点
要搞清楚知识点的5W：What，Why，How，When，Where。
可以先搞清楚比较基础的3W：What，Why，How；再搞清楚2W：When，Where。
- What：定义，即含义。包括理论含义和抽象含义。
- Why：为什么，即动机。解决了什么问题。
- How：怎样做的，即流程。解决问题的过程。
- When：时间，即什么时候使用。
- Where：位置，即用在哪里。
理解公式
- 理解公式时，先搞懂这个公式的作用，然后摸清各个符合代表什么，根据后面的解释进行理解。
- 如果不行，上网搜相关博客进行理解。
- 再不行看参考文献和参考文献的参考文献。
- 再不行请教学长学姐。
解释公式
- 作用
- 符号
- 原理
20分钟速读英文文献
前提：有道词典取词划词插件。
5+5+10分钟：
5分钟摘要，动机＋贡献。
5分钟整体网络架构。
10分钟细节（方法细节＋loss函数）。
工具
- Adobe Acrobat：专业级PDF文档查看器/编辑器，可以组织页面，编辑页面，高亮，标注，导出为docx格式。
- Typroa：Markdown语法编辑器，支持LaTeX数学公式，支持代码块高亮，可做笔记。
- 有道词典：包含取词和划词插件，设置开机自启。
- 思维导图：按分类记录自己已读论文、在读论文和要读论文。
笔记
- 论文总结
- 基础知识
- 英文专属名词
论文写作
LaTeX教程及LaTeX数学公式请参见我的其它博客，链接如下：
LaTeX教程
LaTeX数学公式
英文写作注意事项：
内容暂略。