深度学习中创新点比较小，但是有效果，可以发（水）论文吗?

首先，当然可以发。不过即使你不提点，也可以发。然后，重点是如何发？给出一些讨论以供参考：

刨根问底法

此种方法最为直接，即知其然也要知其所以然。如果你提的小改进使得结果变好了，那结果变好的原因是什么？什么条件下结果能变好、什么条件下不能？提出的改进是否对领域内同类方法是通用的？这一系列问题均可以进行进一步的实验和论证。你看，这样你的文章不就丰富了嘛。这也是对领域很重要的贡献。

移情别恋法

不在主流任务/会议期刊/数据集上做，而是换一个任务/数据集/应用，因此投到相应的会议或期刊上。这么一来，相当于你是做应用、而不是做算法的，只要写的好，就很有可能被接受。当然，前提是该领域确实存在此问题。无中生有是不可取的，反而会弄巧成拙。写作时一定要结合应用背景来写，突出对领域的贡献。

声东击西法

虽然实际上你就做了一点点提升和小创新，但你千万不能这么老实地说呀。而是说，你对这个A + B的两个模块背后所代表的两大思想进行了深入的分析，然后各种画图、做实验、提供结果，说明他们各自的局限，然后你再提自己的改进。这样的好处是你的视角就不是简单地发一篇paper，而是站在整个领域方法论的角度来说你的担忧。这种东西大家往往比较喜欢看、而且往往看题目和摘要就觉得非常厉害了。这类文章如果分析的好，其价值便不再是所提出的某个改进点，而是对领域全面而深刻的分析。

移花接木法

不说你提点，甚至你不提点都是可以的。怎么做呢？很简单，你就针对你做的改进点，再发散一下，设计更大量的实验来对所有方法进行验证。所以这篇paper通篇没有提出任何方法，全是实验。然后你来一通分析（分析结果也大多是大家知道的东西）。但这不重要啊，重要的是你做了实验验证了这些结论。典型代表：Google家的各种财大气粗做几千个实验得出大家都知道的结论的paper，比如最近ICLR'22这篇：Exploring the Limits of Large Scale Pre-training.

为避免误导大家，我在这里做个说明：所列出的技巧方法绝对不是灌水方法，而是正常的科研思维和写作手法。即使是创新性比较大、对领域有大贡献的东西仍然可以采用类似手法来写。这就要求大家在写作时找准出发点和落脚点，才能做到有的放矢。毕竟写作投稿这种事就像写文学作品，平铺直叙虽朴实无华，却难免让别人有审美疲劳。最后，这并不是说采用以下写法的文章都是套路和灌水，它们均有各自的意义;同时，也并不是说采用以下方式就一定能中文章：抛开写作技巧不谈，任何事情均需认真刻苦对待以求完善。

最后说一句，不管上述哪种方法、甚至即使你有特别大的创新时，写作永远都是重要的。

公众号后台回复“CNN综述”获取67页综述深度卷积神经网络架构