欢迎来到计算机视觉实验室，新手任务共分为以下几个部分：
机器学习与深度学习基础
文献搜集与特定领域发展情况总结
深度学习编程框架学习与算法实现
论文写作与rebuttal
中英文邮件相关
任务：细读第二到第十四章，并任选一章整理分析。
任务：从第五章以后精读（尤其是7、8、9、11、12），理解并归纳机器学习中的正则化方法、优化方法以及卷积等操作。英语基础好的同学最好看英文版，以熟悉相关术语。
- 斯坦福CS231n CNN for Visual Recognition，总时长约20小时；
任务：完成至少三次课堂作业，同时锻炼英语能力。
在Idea形成之前，应首先确定一个大方向，以下方式二选一：
- 技术导向：致力于改进某种通用技术，并在不同任务（或标准数据集任务）上进行验证，如神经网络的改进，zero shot方法改进等；
- 任务导向：致力于改进某种特定的问题或任务，如情感分类，皮肤病识别，图像翻译等。
确定大方向后，便获得了初始的关键词（如zero shot learning，Image-to-Image Translation等），按以下方式进行进行文献搜集，
-
顶会顶刊关键词搜索
注意事项：培养对于优秀论文的鉴别能力，以此来合理分配阅读时间。评价指标包括但不限于：论文出处（会议期刊级别）、类型（oral或poster）、引用量、作者（如Kaiming的文章多数很经典）。
-
已有论文参考文献交叉搜索
-
由目前论文中的参考文献进行交叉搜索，可以找出相关的非近年发表的经典论文，以及题目中无相关关键词的必引论文；
-
精读经典论文以及最新顶会顶刊工作的Related Work部分，按照作者的综述大量略读该领域文献，找出该领域发展脉络并总结；（该过程非常重要，相当于构建一个‘论文空间’，每次读到新论文都要对其进行归类，自己工作的Idea也是这个空间中的一个点，也即某个发展方向的延伸或某几个方向的交汇。 以生成式对抗网络为例，可将现有论文按如下方式大致归类：技术上分为对模型网络结构的设计和对损失函数的设计；任务上分为纯生成任务(强调生成器)和与其他任务如语义分割等的结合(强调对抗**)；目标上分为解决模式崩溃等训练不稳定性问题、提升生成样本质量和提升其他任务性能等）。
-
-
作者及研究组主页搜索
-
关注该领域活跃的作者，包括大佬级别和生力军，日常翻阅其主页（获取论文、代码、教程博客及其他动态）；
-
观察某一研究者所做研究之间的相关关系，为自己的研究思路提供借鉴。
-
-
其他搜索方式
- 利用Arxiv、Google Scholor、dblp等搜索漏网之鱼。
任务：
-
确定自己的研究大方向，按照以上方法进行文献搜集，尽可能全地找到该领域的相关工作，以合理的方式建立索引；
-
整理文档：概括该领域发展脉络（按照领域的各个发展方向分别整理，遵循以下格式：第一篇论文的主要思路，存在问题1和问题2；后一篇论文分析问题1可以有什么解决，怎么解决的；另一篇论文如何解决了问题2；在解决问题1和2的同时又引入了新的问题，后又被如何解决）；
-
整理表格：记录每篇论文题目、出处、作者、单位、代码情况、主要贡献等；
-
论文阅读：精读各领域经典论文（分类领域从AlexNet到DenseNet、目标检测领域从RCNN到YoLo、分割领域从FCN到MaskRCNN、生成领域从GAN到BigGAN等），在最新顶会列表上大量泛读（读摘要和Introduction决定是否精读，迅速了解该文章的主要创新点）。
学习资源：（最好的学习方式便是安装配置好后自己动手尝试，遇到问题查英文官网上的官方文档，遇到报错查Google解决）
-
TensorFlow
-
PyTorch
-
MXNet：
- 动手学深度学习视频课程，李沐（分类分割检测等均有实现实例，质量非常高）
- 动手学深度学习教科书，李沐
任务：
-
学习TensorFlow、Pytorch、MXNet中的至少一个；
-
安装配置基于Ubuntu + CUDA + CuDNN + Anaconda的深度学习环境，配置相关源以加速相关包的安装，安装相应的深度学习框架并测试；
-
使用ssh或pycharm、VScode等编译器的远程调试功能，在后台远程连接实验室服务器；
-
编写代码实现以下任务：
-
实现CIFAR10数据集分类，使用resnet50框架，体会有/无预训练模型的差异；
-
实现SD-198皮肤病数据集分类（注意数据读取效率），并以普通Resnet 50分类器为baseline提出三种改进策略，观察结果并分析有效性；
-
训练Faster Rcnn （任意数据集），并在任意图像上测试；
-
实现基本的生成式对抗网络，利用celebA数据集生成人脸图像，基于该基准，按照最近提出的方法继续改进。
-
-
latex相关：
-
论文结构
-
题目：一篇论文的题目是审稿人及读者首先看到的部分，他们根据题目对文章内容进行猜测、对文章贡献建立预期。题目有较多种风格，如：
- 缩写+内容，如BING: Binarized Normed Gradients for Objectness Estimation at 300fps
- 吸引眼球型，如You Only Look Once
- 中规中矩型，全面表达文章贡献，如Clinical skin lesion diagnosis using representations inspired by dermatologist criteria，题目中包含了：做了什么任务，利用了什么技术，技术的创新点
题目的选定应注意以下几点：
- 正确性：题目中的每个词都应该是被同行轻松接受的（判断的标准：是否曾由老外在顶会顶刊中使用且具有相同表意）
- 准确性：是否准确地概括了文章的创新点，关键词是否在文章中多次出现
- “美观性”：用词是否专业，是否吸引眼球
任务：打开某会议收录论文列表或某大牛论文列表，观察已接收论文的题目，从中学习。
-
摘要：大致结构如下：
- 第1-2句：问题定义及/或重要性，现有方案概述；
- 第2-3句：现有方案缺点；
- 第3-5句：本文如何解决/本文技术贡献；
- 第5-6句：本文取得的效果及本文实验情况。
写摘要需要千雕万琢，写句子尽量使用简单句（单一主谓宾结构，或加入最多一个简单从句）；避免任何的语法标点等错误；逻辑缜密，有前因有后果，不可无中生有，不可自己下结论。
-
Introduction：大致结构如下：
- 第一段：问题定义，问题的重要性；
- 第二段：现有主要方法综述，各自的缺点（需选择对应本文创新点的缺点进行阐述，如本文提高了算法效率，则应重点分析相关工作是如何效率低下的，至于准确率低等本文未改进的缺点可简述或忽略），此为论文的MOTIVATION。
- 第三段：可能的解决方案（由文章思路决定，可以是分析其他领域应用成功的技术模块对本文任务的适用性，也可以是分析现有工作出现该问题的内在原因）；
- 第四段：本文所提出的的技术概述，标志词即为In this paper, we propose to ...；
- 第五段（可选）：本文方法得到的理论保证或实验效果；
- 第六段：本文贡献总结。
注意事项：
- Introduction中提到的相关工作的缺陷或本文假设等，均要在方法部分及实验部分有所体现（理论分析、证明或实验验证），即前后照应；
- 每一段的功能必须划分地非常清楚（一般按照以上5-6段书写），同时段之间要有逻辑连接；
- 段内的每一句均有足够的因果或并列逻辑关系（少数情况下存在让步逻辑等），注意转折词如In addition, In specific, Therefore, Sequentially, Actually等的正确使用；
- 不主动claim贡献，是非问题上不妄下定论，每一个观点均有足够的文献或理论分析作为支撑；
- 论文的MOTIVATION应足够健壮（选题阶段应说服所有人）；
- 写作质量的评价指标：从头到尾一口气可读通，不存在任何疑问，即为表意成功。
-
相关工作：
- 分节：要按照本文方法涉及到的技术或解决的任务合理分节，一般包括2-3节；
- 相关工作的概述要全面客观，重点包括近年来本文所投稿会议或期刊上接收的（所有的）相关论文；
- 避免句式单调，在讲前人工作的做法的同时，分析其相对于本文方法体现出来的缺点，在最后与本文方法做比较。
-
方法：
-
流程图需美观、标准、表意清晰；
-
介绍方法的实际操作前需讲清楚这样做的动机，讲清楚该操作内在的物理意义，并分析或证明为何该操作可以达到好的效果； 注意：论文内在地应该满足以下条件：论文的动机来源正确且具说服力，对相关工作的综述（包括做法和缺陷）合理且全面，提出的方法在理论上可以取得更优的效果，后续实验验证该理论的正确性；
-
按照文章类型（理论型或技术应用型）适度添加公式、符号。
任务：浏览、整理、总结经典论文的流程图，学习其表达方式。
-
-
实验：
- 至少包含以下几个模块：
- 实验配置介绍：数据集、评价指标、网络结构、对比方法等；
- 参数调优；
- 消融实验：逐个验证本文各个模块的有效性；
- 相关工作对比：本文方法与目前最好方法进行对比；
- 最重要的，在报告完结果后应分析该结果说明了什么现象（应该是验证了方法部分的某个操作的有效性或Introduction部分某个假设的合理性等，照应前文中的理论分析）
- 至少包含以下几个模块：
任务：选定某篇经典论文，分析其论文结构
-
-
Rebuttal及Response
-
二者区别
-
会议论文Rebuttal有字数或篇幅限制，该阶段不允许对论文进行修改，且所给时间较短（一般1周），需仔细斟酌，最终呈现的是最具有说服力的非常言简意赅的论据；
-
期刊论文response无字数、篇幅等限制，且所给时间相对较长（大修一般6周），可按照意见对论文进行细致修改，最终提交的是修改好的论文及较长篇的回复。
-
-
注意事项
- 揣摩审稿人语气（根据其评分、用词等），以此决定回复策略；
- 仔细分析审稿人的concern，以此决定回复的重点。回复时，首先直接回答审稿人问题，然后给出足够的理论、文献支撑。例如，审稿人讲：虽然本文方法足够有效，但已有的X方法曾提出了类似方法。则回答时的第一句应该是讲本文方法在解决任务、理论支撑、方法定义及实验结果上均不同于（最好在某些方面优于）X方法，然后逐条具体分析；
- 为每个审稿人的每条意见起一个精确的小标题，以此在促进版面易读性的同时体现我们对审稿人问题的理解程度；
- 回复时（尤其是期刊Response时）应尽量从多个角度进行分析，注意合理地按照逻辑进行分条。
任务：查看实验室某两篇论文（会议期刊各一篇）的投稿历史，阅读并分析其投稿版本、获得的审稿意见、会议论文的rebuttal或期刊论文的response及修改稿、会议论文最终意见或期刊二审意见、论文最终接收版本。对照以上条目进行分析，体会与审稿人进行文字交流的过程。
-
在研究过程中与导师、合作者等人交流的一个重要渠道便是邮件，以下简述中英文邮件的基本格式和注意事项。
-
基本格式
-
中文： 尊敬的x老师： 近期工作的主要进展包括：1）xxx采取了xxx操作，取得了xxx结果，该结果符合预期（为什么），主要原因可能是xxx；2）yyy操作验证不可行，因为xxx； 接下来的计划是：1）xxx；2）yyy； 祝好， sss
-
英文：
-
欧洲合作者（如Paul Rosin老师）： Dear Professor, We ... (content) Best, sss
-
美国合作者（如Ming-Hsuan Yang）： Hi, Ming-Hsuan, We ... (content) Best, sss
-
-
-
注意事项:
-
邮件应清楚、有逻辑地讲清楚所要讲述的事情。例如，对于汇报论文工作进展的邮件，可以包括以下内容：
- 一句话概括主要进展；
- 进展1：基于什么样的动机，采取什么样的操作；进行了怎样的实验得到了什么样的实验结果，该结果说明了什么；
- 进展2类似；
- 论文目前的版本，相对于上一版本进行了哪些改动；
- 还有哪些正在进行的写作、实验任务，预期完成时间；
- 未进行的实验等内容根据截稿时间进行合理安排。
对于邀请合作者帮助修改论文的邮件，应包括以下内容：
- 礼貌语；
- 表明来意，讲清楚论文题目、投稿会议期刊名称、截稿日期等基本信息；
- 询问是否可以帮助修改，并对之前的帮助表示感谢；
- 详细介绍本文的主要贡献；
- 介绍你认为的本文需要着重修改的点，以及其他应该提前说明的地方；
- 再次表示感谢，说明你随时可以回复他的任何问题。
-
与合作者邮件往来应注意礼貌；汇报论文进展应着重对目前结果进行分析，并及时更新计划。
-