论文阅读方法总结

1.学习资源

papers with code

https://paperswithcode.com/

论文精读公众号：老徐书房

论文精读知乎：臭皮匠 

2.一般论文结构

(1)摘要

论文简介，阐述工作内容、难点在哪、创新点、解决什么问题、效果怎么样

(2)引言（摘要前半部分展开）

介绍研究背景、研究意义(motivation)、发展历程、提出问题，提出解决方法（We propose a novel “task name” framework,xxx,which…）、贡献点（一般三条为宜）

(3)相关工作

相关研究算法简介，分析之前方法存在的缺点（明确改进方向）

(4)本文工作

论文主要方法及实现细节

先给出整体的网络结构，然后按照数据流顺序逐部分拆解，然后从实验角度讨论损失函数的选择和设计（以及超参数的讨论、对比情况）

(5)实验部分

介绍算法实现步骤及结果分析

①implementation details

• 数据集、训练集、测试集划分（一般会沿用SOTA的划分方式）

• training procedure的设定：显卡、框架等

• 使用的优化器和具体的设置参数

• batch size、超参数的选择等

• 其他数据处理方式

②Results

• 定量分析：相比较SOTA方法有什么改进

• 定性分析：结合具体实例进行分析，在某些方面突出表现比SOTA好的地方

③Ablation Study 消融实验

        如果去掉这块处理，实验效果明显变差，说明这个处理是很有必要的

        消融实验一般是会先找一个baseline，有时也会称其为vanilla（这算是个梗吗，就是外国人觉得「香草」这个味道跟原味没太大差别，所以就代指「朴素」了），然后逐渐对其添加模块，以彰显出某一模块的作用。比如一个方法是由vanilla+A+B+C组成的，那么ablation study可以是用vanilla，vanilla+A，vanilla+A+B，vanilla+A+B+C组成的，以表现出A、B、C三个模块分别对于任务贡献了多少。也可以是vanilla+B+C，只要输入输出是允许的。

(6)探讨部分：论文结论及未来可研究方向

        如何证明数据指标上更高不是因为过拟合？

        常见的操作有，对中间层的feature map做抽离，做一些可视化，比如损失函数中说这部分是为了让训练出的A有着xx的效果，那么就需要对A进行一下可视化，看看到底有没有这样的效果。也可以做一些泛化性能上的比较测试等，总之这一部分算是锦上添花的一部分，所以说比较弹性——毕竟「锦」就已经足够让论文投中了。

(7)结论

这块内容主要就是对abstract的rewrite了，做一个全文收束的作用。

3. 论文阅读方法

(1)泛读

①标题：方法、任务

②摘要：这篇论文用什么方法解决哪些问题，达到什么效果

③引言：发展历程（历届SOTA）、提出问题、动机、贡献点（方法或创新点）

④所有小标题：分析每个小标题的设置，了解解决问题的思路和过程

⑤所有的图片、表格浏览

⑥结论

回答问题：

论文要解决什么问题？

论文采用了什么方法？

论文达到什么效果？

(2)精读

面面俱到，仔细品读

(3)总结+验证

总结是对论文创新点、关键点、启发点进行摘抄记录，总结和写论文、发论文有关的信息句子。

验证就是明确这篇论文有哪些可以借鉴的点，能帮助我们解决哪些实际项目问题。

4.读完论文总结

阅读时间

论文题目

第一作者

主题分类

关键技术

总结

motivation

理解程度