今日課程講義
閱讀論文步驟分解
步驟1.先看標題
- ImageNet Classification with Deep Convolutional Neural Networks
- 把摘要濃縮成標題
步驟2.在看摘要
- 摘要是論文濃縮
- 把每個section濃縮成幾句話
- 論文寫完再把它濃縮成摘要
步驟3.看圖=>在看表=>在看公式
- 整篇論文重點在圖表,所有文字都為了輔助說明圖表
步驟4.看reference 5min內完成
- 看作者、標題、期刊/會議名稱、年分
- 重要性:標題>作者>年分
- 檔案重新命名:年分_文章標題 例如 2012_Imagenet-Classification-With-Deep-Convolutional-Neural-Networks
步驟5.查引用次數 順藤摸瓜
- https://scholar.google.com.tw/
- 被引用67,748次
- 點下去看到引用他的論文大約有26篇引用數也很高 由此確認此篇論文非常重要
- 有沒有被怪獸級文章引用,或即使不是怪獸級文章但卻被很多人引用
- 如果找了約數百篇應該就夠
- 3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation 3D U-Net
- 舉例
- NIN被引用4,118次
- 第一章圖:看到疑點:Epoch
- 第二章圖:看架構
- 第三章圖:這張圖在做啥?萃取特徵?第幾層特徵?上面是各方向線條
開始閱讀論文(先看架構)(先讀topic sentence)
3. 架構 3.1 ReLU Nonlinearity 3.2 Training on Multiple GPU 3.3 Local Response Normalization 3.4 Overlapping Pooling 3.5 Overall Architecture
因為GPU運算量不夠所以分成兩種方式訓練
第一種方式是:從256x256的圖片中提取224x224的小patch,並水平翻轉,這樣訓練集就變成原來的2048倍。測試時,從四個角和中心提取224x224的小patch,並水平翻轉,對這10個圖片的輸出結果取平均做出最終的預測。第二種方式是:調整訓練集圖片RGB通道的亮度(PCA)
延伸閱讀
討論
請說明此圖架構
請說明此圖
請說明此公式
延伸閱讀
論文閱讀技巧
第一次讀論文時聚焦在三個最容易回答的問題:
⑴這篇論文想解決什麼問題,適合用來描述這問題的術語是什麼?
⑵它使用的方法叫什麼(學界如何稱呼它)?
⑶前述的問題和方法屬於哪一個學術領域?
回答這三個問題所需要的關鍵資訊,通常會反覆出現在論文題目、摘要(abstract)和引言(introduction)裡,因此第一次讀的時候通常不需要去讀難懂的論文主體(main body)。
一篇論文可能前後讀了四、 五次,每次讀完之後,都靠延伸閱讀累積出比上一次更多的背景知識。
其他網路參考資料