一、怎样读文献

1、文献是用来做什么的?

2、读文献要由粗到细

2.1、查找文献

2.2、略读文献

2.3、精读文献

2.4、分析文献

3、读文献的次序:

 略读文献看摘要:

 略读举例-看简介

 略读举例-看方法

 略读举例-看实验

 记录文献

记录文献的要点:

总结


1、文献是用来做什么的?

了解研究方向的热点问题:这个问题是否我也感兴趣?是否是比较新的创新点?

了解研究方向的进展状况:作者指出的这些相关文献我是否都了解?作者对这些文献的评价我是否认同。

了解文献的创新之处:作者的创新是否比较好的解决了提出的问题?我是否能够借鉴这个创新之处?创新之处是否还可以有新的改进?

了解文献的优势与劣势:作者的实验结果是否可信?实验设计是否有不同?是否全面?

2、读文献要由粗到细

浩若烟海的文献,已经不是某个人能够彻底读懂的。文献的价值,也随着时间的就消失了。因此我们读文献不可能每一篇都读明白,甚至在一个小的领域里面,也有很多文献我们从来没有仔细看过。读文献更多的是为了判断这个文献是否有价值!!!!

一、怎样读文献_第1张图片

 最终文献的产出,就是我们的创新点。研究生阶段,可能最终略读的文献不超过100篇,精度的文献不超过20篇,最终分析的文献不超过5篇

2.1、查找文献

要找好的期刊,好的会议:文献往往要经过专家来筛选,好的期刊,好的会议就是好的专家帮我们筛选了。

文献要新,要经典:新的文献能够提供新的思路,经典的文献往往是很多文献的思路来源。

文献要找好的作者:很多优秀的学者,往往在一个领域耕耘很多年,他的文章有很大的可读性。

学会顺着文献找文献:通过一篇优秀文献的参考文献,可以挖掘出更多值得读的

2.2、略读文献

一看摘要,是否符合方向:文献摘要1要说研究的方向,2说要做的问题,3说大概的方法,4说实验结论。

二看简介,是否创新点感兴趣:简介中,往往点出作者要研究的问题,以及所做的创新点概述,从这里能够看出文献的价值。

三看方法,重点看图说话:作者的创新点都用了那些理论的方法,不必要完全看懂,但是大概要了解。

四看实验结论,重点看方法结果:作者的实验设计都是围绕创新点,看创新点是否具备非常优秀的结果。

2.3、精读文献

高价值的文献才值得精读:通过略读以后精选出来的文献,才需要仔细阅读

反复读,才能体会出里面的精髓:精读文献不是一下子就能够都明白的,一定要反复读

最好精读有代码的文献:有代码的文献,可以帮助我们后续复现算法

一定要带着问题和目的来精读文献:不能盲目的精读文献,自己想从文献中获得什么。

2.4、分析文献

最高价值的文献才值得分析:通过精读,让自己能够有所想法的论文就需要分析

对照代码和论文内容进行分析:算法是通过代码来落地的,很多的细节只能是在代码中体现,论文中是看不到的。

复现代码,观察论文的实际结果:一定要观察复现实验的结果,详细分析文献的优劣。

学会看代码,修改最核心的代码:阅读代码,也是有详有略,需要抓住自己关心的核心代码,进行有效修改。

3、读文献的次序:

一、怎样读文献_第2张图片

 熟练的使用搜索工具,建立自己的专业概念学习库。

记录好文献,建立文献的笔记

以英文文献为主,中文文献可以适当的阅读熟悉概念

可到CSDN找博主,他们一般都分析的很到位,比自己抓着一篇论文硬啃要好得多,比如我目前知道的同济子豪兄啊,bubblling大佬跟随B站,学的更快,而且少一点痛苦。

列:

略读文献看摘要:

一、怎样读文献_第3张图片

 略读举例-看简介

一、怎样读文献_第4张图片

                看具体要解决的什么问题

                看作者的创新点是什么

略读举例-看方法

一、怎样读文献_第5张图片

 略读举例-看实验

 一、怎样读文献_第6张图片

 记录文献

推荐使用endnote软件来管理文献。

使用纸质版来精度文献,使用电子版来略读文献

千万要对精度的文献做好笔记,比如说写写博客,CSDN等,要不然一篇读不懂,接着又去读下一篇,到最后和没有读一样,还不如不读,浪费时间,哪怕是你要在选出一篇论文,包含他的代码,哪怕是读一个月也要把里面的名词搞明白,搞懂,最基本的概念搞清楚,在进行后面的阅读其他的文献,这样的话我们后面的文献阅读才会显的有意义。要不然就是黑瞎子掰玉米!!!!!

记录文献的要点:

1、问题是什么?

2、创新点是什么?

3、实验结果怎样?

4、对你的启发式什么?是否有价值?

5、相关概念的记录

总结

以上就是今天要讲的内容,本人只是在导师给开会的时候,详细的记录了作为一个目标检测的小白学生怎么去读文献 ,避免新人和我一样,老师让阅读大量的文献,而自己无从下手很痛苦的历程。

你可能感兴趣的:(teng的工具归纳,深度学习,计算机视觉)