【深度学习】计算机视觉领域如何从别人的论文里获取自己的idea？-技术圈

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/897499123

idea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 
                          
                         
                        
                      
                     
                     
                    
                    
                   
                   
                  
                  
                 
                 
                 
                 
                  
                  
                   
                   
                    
                    
                     
                     

                    
                    
                    
                    
                     
                     
                      
                      

                     
                     
                     
                     
                      
                      

                     
                     
                    
                    
                    
                    
                     
                     

                    
                    
                   
                   
                  
                  
                  
                  
                   
                   
                    
                    
                     适合初学者入门人工智能的路线及资料下载
                    
                    
                   
                   
                    
                    
                     (图文+视频)机器学习入门系列下载
                    
                    
                   
                   
                    
                    
                     机器学习及深度学习笔记等资料打印
                    
                    
                   
                   
                    
                    
                     《统计学习方法》的代码复现专辑

```
交流群
```

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）