看论文的方法论

本文主要是介绍看论文的方法论，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

读论文需要区分精读和略读。对于重要的、经典的论文，需要精读，其他的可以快速地略读简单了解一下就好了。

关注要关注一下几个重点：

1. 论文背景是什么？解决的是什么难题？(what)
2. 用什么方法解决？(how)
3. 为什么可以解决？（why）

一般读的顺序，个人建议，先读摘要abstract，然后接着看介绍introduce和最后的结论conclusion，再结合expiriment的结果和图表丰富性，明白大概的what和how就好了。这一步也能再次筛选出论文值不值得精度下去。我个人是喜欢先看结论，再看过程，毕竟工作目标first。如果值得深入读下去，就好好看看实验设计得合不合理，对比的算法或者标准是不是够多和前沿。很多水论文会拿一些已经过时的算法做比较，或者在一些小的数据集上测试，或者做对照试验变量控制没做好。如果这些要求没达到，理论再好也不要轻易相信。过了结论关，就可以去看看里面的重要思想了。Relative work是一个可以快速拓展领域知识面的好专题，对整个背景有一个大致的了解，也可以从中索引文献挖出很多历史好文。在读的过程中，最好边读边画重点，因为是英文论文，对英文的敏感度远不及中文，很多看过后再看，还是会花很多时间。重点就是上面提到的几个问题。最后再写一下总结。

举个栗子，最近在研究人脸识别中的大角度识别问题，通过搜索看到了一篇知名度挺高的论文《Beyond Face Rotation: Global and Local Perception GAN for Photorealistic and Identity Preserving Frontal View Synthesis》，简称TP-GAN。在摘要我画出了以下重点：

1）从一张侧脸合成正脸用于人脸识别的专题。(what)

2）TP-GAN网络，这个网络通过同时提取全局结构和局部信息来把单张大角度侧脸图片生成正脸图片。（how）

3）核心是对抗生成网络，结合了像素损失，对抗损失，对称损失，身份信息保留损失，使用全局和局部双通道编码解码的生成方式，使生成的照片不仅真实，还利于直接提高人脸识别的准确率。

4）各种损失函数的公式和意义。

5）实验的比对作用。对比损失函数的增减对准确率的影响；对比实验模型和不同的人脸识别模型的性能。

花点时间做下笔记和总结，否则读完之后过一段时间便忘得一干二净。这是需要毅力的。为什么很多人都做不到呢？包括我自己经常也是。读完之后会有一种如释重负的感觉，感觉完成了一件心头大事，就开开心心去做的了，这是一个原因。还有一个很大的原因就是因为懒。记笔记和写总结多麻烦呀~。看似会做很多工作，但其实从长远的角度来说，不做笔记下次再看会做更多的工作。也有人会说，看完我也不一定会再看了，也不一定用得上，何必再麻烦呢？其实即使用不上，这也是一种积累，是生命留下的痕迹，努力过的痕迹，更关键的是，它还是一种习惯。习惯养成了，受益终生。

 

 

 

，

这篇关于看论文的方法论的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---