1.论文结构

论文阅读步骤

泛读

• 标题
• 摘要
• 结论
• 小标题和图表

自测

• 论文解决什么问题
• 论文采用了什么方法
• 论文达到了什么效果

精读

• 选出精华，仔细阅读，找出问题中关键内容
• 总览全文，归纳总结，论文中创新点，关键点，启发点
  1.论文提出/采用什么方法，细节是什么
  2.论文解决什么问题/任务，其启发点或借鉴之处在哪儿
  3.论文方法达到效果是什么

论文结构

1.Abstruct

• 论文简介，阐述工作内容，创新点，效果

2.Introduction

• 介绍研究背景，研究意义，发展历程，提出问题

3.Relate Work

• 相关研究算法简介，分析存在问题

4.Our Work

• 论文主要方法，实现细节

5.Experiments

• 实现步骤及结果分析

6.Discussion

• 论文结论及未来可研究方向

神经网络基础知识

卷积神经网络基础

神经网络与多层感知器

1.人工神经元:MP模型
2.多层感知机
3.激活函数(sigmoid/tanh/relu)
4.反向传播(BP)：梯度下降，学习率
5.权值初始化
6.正则化:L1、L2和Dropout；提及BN/GN/IN/LN

卷积神经网络基础

1.卷积层
2.池化层
3.Lenet5

循环神经网络

1.rnn循环神经网络
2.lstm长短记忆循环神经网络
3.gru门控循环单元

CV图像基础

常见图像处理

1.绘图、添加文字
2.图像几何变换
3.图像滤波与增强
4.形态学变换

图像分割

1.阈值分割
2.边缘检测
3.连通域分析
4.图像轮廓
5.区域生长
6.分水岭算法

图像特征与目标检测

1.图像特征理解
2.形状特征
3.纹理特征
4.模板匹配
5.人脸检测
6.行人检测

运动目标识别

1.摄像头调用
2.视频读取与保存
3.帧差法
4.光流法

5. 背景减除法

NLP基础

文本特征

1.词袋bag of word BOW
2.分布特征（distribution）
3.tfidf权重
4.n元语言模型
5.语言特征：句法树

NLP相关任务

1.文本分类
2.序列标注
3.翻译、摘要生成、信息抽取等
4.文本生成NLG

引用

[1] https://ai.deepshare.net/detail/p_5eb4bf330213c_8zZLl2M0/6?fromH5=true