1 . 自己的experiences

自己大二下学期中比较幸运加入到科研组里，做的方向是3D人体姿态估计，不过由于是一个全新领域，基本也是自己这个小白探索，所以成果甚微。在八月初由于各种原因退出了组，但是在这期间收获还是蛮多的，我想在此总结一下，然后也方便做接下来自己的一些科研规划

1.1 收获

（1）关于科研本身

初步了解了科研的大致过程，老师会给一个选题，然后我们会去调研该方向的已有的顶会论文，选择baseline，baseline就是我们对标的文章，发现对标文章的不足，可提升的空间，然后自己基于各种论文针对baseline的不足提出自己的Idea。之后我们写代码做实验验证自己的Idea，如果效果不太好再去尝试新的Idea，如此反复，最后撰写论文

（2）关于沟通交流

六月初开始和北大的实验室合作，也参与到了北大实验室的每周的组会，他们每周会做周报，每个月还会有一次月报。

让我比较震撼的是，师兄们的组会的汇报清晰明了，有着明确的目标，完成情况，未来一周的工作计划等等

我渐渐意识到组会的汇报还是很重要的

一方面我觉得可以锻炼我们把一个事情尽可能通俗简单地讲给别人，也反映着我们自己对于特定方法的理解有多深（这其实是费曼学习法）另一方面，可以锻炼我们的表达能力，在组内解决问题时尤为重要。

同时我觉得和老师及时沟通很重要，每天遇到什么问题及时向老师汇报，寻求师兄帮助，这样的话，避免问题积攒

（3）关于论文投稿

我的指导老师们，师兄们都会抓住每一次投稿机会，即便不中稿也无所谓，因为科研本身不是一帆风顺的，在这个过程中可能会收获到审稿人的意见，这些意见对于我们改进论文质量有着很大的帮助

（4）关于Idea

新的idea，这本身可能也是比较难的

我个人觉得要做好已有论文的对比分析，已有论文的各种方法要熟悉

同时老师建议我们每天都要养成看最新论文的习惯，看最新的方法

（5）关于代码

有了Idea 就要通过代码实现了，但是实现过程中也会碰到很多问题，我也深刻感受到自己的代码能力弱，但解决这些问题的过程会实实在在提高代码能力，因而一定要着手去做一些项目

（6）此外

我觉得最最最重要的

就是学会把一个模糊问题清晰化，具体化，拆解成一个一个小问题，然后各个击破

寻求老师或师兄帮助的时候，也应该是具体的细节的问题，告诉老师自己有哪些尝试等等

2 重新出发

计划

（1）对于经典论文，经典方法坚持阅读paper，养成阅读论文，总结论文的习惯，同时计划出一个读论文系列来监督自己

（2）继续加入到一些项目中

（3）学李沐老师的《动手学深度学习》提高代码能力，同时补一些数学知识

每天通过阅读论文来掌握领域新的想法，加深对现有方法的理解，掌握新的分析问题的方式，思考现有方法不足，提出新的想法。通过阅读/撰写代码加快自己实现想法的速度。通过撰写ppt 提升自己的理解和表达。

网上查阅了一些建议

2.1 如何提出好的idea

参考 Zhuowei's Research

1）增加/替换/改变原来问题的某个维度，提出一个新的问题。如从image caption到video caption, 从语义分割到全景分割

2）结合多个解决方案/问题提出新的解决方案/问题：Next=A+B。如同时生成单物体与分割图：datasetGAN

3）重新思考问题的定义：如目标检测中极值点/中心点的检测

4）拿着锤子找钉子：这个锤子是比较 general 的计算方法，比如将因果学习应用到视觉的各个领域，把对比学习应用到表征学习的各个领域

5）给问题增加一个褒义词：faster, multi-scale, progressive, dynamic, adaptive, non-parametric, , hierarchical, personalized, open，cascade, invariant / XXX-aware (scale/shift/rotation/occulsion/deformation)

6) 找到目前方法的问题

2.2 其他优秀可学习的博主

(8 封私信) CV技术指南 - 知乎 (zhihu.com)

公众号 计算机视觉

公众号 视觉智能VINT

公众号 学姐带你玩AI

欢迎大家来和我交流，一起进步