CNN第一篇

     研究生的第一篇Paper是关于CNN的，为了能够理解这篇paper，在网上找了很多关于CNN的文章：

1. Stanford的CNN介绍：斯坦福cs231的CNN课程、
2. C3D：http://vlg.cs.dartmouth.edu/c3d/、
3. Medium论坛：medium上的CNN基础架构理解、
4. stack问答：filter数量与什么有关 、
5. IEEE Paper：3D卷积，人体姿态检测……等等。

      找的这些东西虽然确实也挺有帮助，但是我发现，就一个2-D CNN来说里面都有太多概念：receptive fileld、filter、weight、depth、channel、input feature map、pooling、FV……；另外还有，常见的网络结构：AlexNet，ResNet，FCN，MXnet，Faster-RCNN、计算机视觉的顶级会议：CVPR、ECCV、ICCV（计算机视觉顶级会议和期刊）、以及增加时间维度用于视频中动作识别的3-D卷积……等等。

       真的太多东西，也太多细节。

       虽然看CNN的论文和网上资源也很长时间了，但是由于掌握的知识不系统，层面很小，掌握的很少。这就直接导致在查找问题时，没有什么头绪，搜索一个问题时就很佛系，本着愿者上钩的状态，能找到什么是什么（emmm……）

        概念模糊、知识不系统的话，在对该项知识的使用、应用以及研究上面，它的弊端会逐渐显露并逐步扩大。

        所以，最开始，还是希望能有一个介绍的教材（例如各种导论），或者偏认知型的CNN书籍或者期刊等等。当然，我并不否定在网上学到的这些东西，以及网络的便利性，我觉得这只是一个趋势，当你要认知更多的时候，你需要找到一些切实的办法。