摘自： 深度学习与计算机视觉
论文通俗来说是本科和硕士的升学助力，也是学术界的硬通货，更是未来工作的加分项和敲门砖。
论文的写作对很多学生来说，是一种挑战。有些学生不知该如何对论文做选题，更多的学生则是对毕业论文写作到底有什么要求不清楚，不知从何下手，常常为毕业论文发愁。
论文写作的分为四个顺序：阅读论文→确定创新点→Coding／实验→论文写作。
1、阅读论文
发表论文的前提是大量阅读论文！！！文献阅读分为三个阶段，初期找方向，中期重点突破，后期广泛涉猎。
初期读论文需要逐字精读，方向不必严格限定，感兴趣论文涉及的论文链都可以去读。一篇论文用时一天，英文论文+中文分享，前期阅读论文数量30篇以上，可以提高学术英语阅读能力和专业术语积累。
中期读论文要重点精读，严格限定研究方向和方向涉及的论文链。重点论文时间控制在半天，泛泛论文是一小时，重点论文重复读+源码学习，论文阅读数最好为10篇以上。了解学习技术演进、学习方法创新和整理创新方法链。
后期少数精读+大量泛读，不限定方向，自己重点方向+涉猎方向。
重点论文两小时，泛泛论文半小时，跟随研究方向的最新发展，了解其他方向的大致进展，思考创新点引进嫁接。
2、确定创新点
可以从以下四个方面确定自己论文的创新点：
1. 数据集的改动：噪声、几何变换、遮挡、光照条件、场景依赖
2. 模型的问题：模型体积、推理速度、收敛困难、非端到端、后处理优化
3. 结构替换：transformer、FCN、AE、
4. 特定场景的应用：通用模型考虑泛化能力—特定应用考虑专用性。比如夜间检测、水下检测、鱼眼相机检测。
另外就是要记住A+B+C/2.5法则
A：本研究方向的继承性创新点（自然演进）
B：其他方向的既有方法（嫁接到其他任务）
C：细节上的创新（数据增强/数据集/损失函数设计）
例如下面这篇CVPR2021: CutPaste，运用的就是A+B+C/2.5法则。
A：自然演进 cutout—cutpaste+B：既有方法 将自监督学习的pretask应用于异常检测+C：细节创新 高斯概率密度估计（GDE）判断异常
3、Coding/实验
原则：1篇论文代码复现（至少读懂代码实现）>>跑通多个项目demo
1. 找到baseline论文的代码；
2. 在baseline代码上实现期望功能的最小化实现；
3. 逐步实现最终的功能代码，同时做实现验证各部分设计的效果。
4、 论文写作
01：写作策略：
选择2篇左右的范文，去分析论文结构（Introduction）、重点词句（Related Work）、语言风格（Method）、实验设计（Experiment）、绘图风格（Conclusion）和故事设计（References）。
02：论文写作技巧
（1）论文写作技巧——注意标题
- 用⼀句话概括你所做的工作
- 考虑搜索引擎的影响，包含关键词
- 可以新颖一些
（2）论文写作技巧——首页加图
（3）论文写作技巧—Introduction直接列贡献
- 不用介绍各个部分如何组织的；
- 直接说做出了哪些贡献；
- 标明贡献位置。
