深度学习100问
Author:louwill
Machine Learning Lab
深度学习各个方向发展日新月异,arxiv上几乎每天都有新的研究论文更新,而每年AI相关的会议和期刊都有大量的研究公布。作为一名算法工程师,除了提高自身的工程能力之外,时常阅读领域内最新的研究论文也是必要的工作。
那么,深度学习应遵循怎样的论文研读路线和方法呢?笔者作为一名普通的工程师,并非科研人员,关于如何读论文,想必那些有着各种顶会和期刊加持的科研大佬们比我更有发言权。但同时作为一名深度学习科研爱好者,这并不妨碍笔者谈一谈自己在文献阅读方面的一些见解。也欢迎各位paper大神们不吝赐教。
先来梳理一下深度学习各相关方向上都有哪些顶级会议和期刊。毕竟每年这个领域内文献浩如烟海,质量大多参差不齐,在有限的时间内选择最好的论文进行研读是十分有必要的。先看深度学习应用最热门的CV领域。顶会方面大家都知道CV三大顶会的ICCV、CVPR和ECCV。这也是咱们国内搞CV的学者们竞相追逐的阵地。若是名校出身,又有三大顶会加持,毕业后找工作自然不在话下。随着近两年国内CV领域内就业竞争加剧,硕士生就有几篇顶会傍身的情况并不罕见。 ICCV的全称叫International Comference>以上三个会议是每个做CV方向的同学都应该重点关注的,每一期的oral也都建议认真研读。三大顶会历年的文章合辑:
地址: http://www.cvpapers.com/index.html
CV方向上除了三大顶会以外,还有一些像ICIP、ICPR和ACCV等会议也值得关注。除了顶会之外,CV方向的一些顶级期刊也值得关注:PAMI、IJCV、CVIU、PR等等。
深度学习另一个重要研究方向NLP也有着领域内的顶会和期刊。NLP方向内也有四大顶会之称,包括ACL、EMNLP、NAACL和COLING。ACL全称为The Association for Computational Linguistics,是NLP和计算语言学领域最权威的国际会议。EMNLP的全称为Conference>Computational Linguistics 和 Transactions of ACL(TACL),当然还有很一部分融合在了许多AI相关的期刊中去了,比如说AI(Artificial Intelligence)、JAIR(Journal of AI Research)、JMLR(Journal of Machine Learning Research)等。
ACL地址:https://www.aclweb.org/portal/
除了CV和NLP这两大方向之外,很多研究也包含在机器学习和人工智能的大领域下发表的。比如说机器学习的顶级会议:NIPS, ICML和UAI等,顶级期刊JMLR, ML, Trends in ML, IEEET-NN等,大AI下的IJCAI和AAAI等等。这些都是需要大家保持关注的。JMLR地址:http://jmlr.csail.mit.edu/papers/
梳理了这么多顶会和期刊,那么深度学习论文研读应该按照什么路线来开启呢?总体而言,深度学习论文研读应该遵循以下几个准则:
这个准则很好理解:首先就是对深度学习各个方向的基本面有个基本的了解,知道各个方向当前都有哪些突破性的技术和理论。找一些文章来进行初步的阅读即可。然后是聚焦到具体的研究方向,把支撑这个方向的所有经典论文找出来仔细研读,这个过程需要快速且仔细。比如说笔者是做视觉方向的,那首先甭管笔者是做检测还是分割啥方向的,CNN的经典论文我得都读吧?从LeNet5、AlexNet、VGG、Inceptionv1-v4、ResNet到最近的EfficientNet这些,都得一一研读。当经典读的差不多的时候,我们需要聚焦于最新和最好的论文,也就是读state-of-the-art,需要时刻紧跟最新成果,站在最前沿。新人入门最好的一篇综述性文章是深度学习三巨头发表在Nature上的综述文章deep learning。
至于深度学习各个方向的必读论文,笔者在GitHub上找到一个repo,作者详细列出了一份paper list供大家参考学习。
还有许多其他方向的论文推荐,这里笔者不一一列出,具体可参考:
https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap
为了第一时间追究领域内的前沿动态,这里笔者还向大家推荐一个web端的工具:feedly。大家可以利用feedly订阅各自研究方向的相关主题,相关最近动态就可以一览无余。
论文读多了最好有个文献管理工具,比如说NoteExpress和EndNote,都是不错的文献管理工具,笔者这里推荐一款免费好用的工具——Mendeley。
另外,最重要的一点是,科学上网对于我们这一行来说是必备的,能够随时访问到谷歌学术是极为重要的一件事。好的,今天就到这里,祝大家科研愉快。
有学术和技术问题的同学可以加我微信进入机器学习实验室读者交流群。加微信后说明来意,最好做个简单的自我介绍,让我有个印象,加了一言不发不如不加。
参考资料:
https://github.com/floodsung/Deep-Learning-Papers-Reading-Roadmap
往期精彩:
深度学习100问-3:深度学习应掌握哪些Linux开发技术?
深度学习100问-2:深度学习应掌握哪些Git开发技术?
深度学习100问-1:深度学习环境配置有哪些坑?
2019上半年,我成为了一名深度学习算法工程师
一个统计数据人的职业生涯第一年
深度学习第60讲:深度学习笔记系列总结与感悟
谈谈过拟合
一个算法工程师的成长之路
长按二维码.关注机器学习实验室