研究生阶段阅读 CV 方向 deeplearning 论文的问题，该注重质还是注重量？

[kkjz]

DL 领域现在感觉真的很火，上学期跳入了这个深坑

然后开始收集这方向的东西开始看，本人效率大概是 4-5 天一个论文+笔记整理+其源码理解。但是和我同方向的另一位同学认为我这样太慢，他认为应该通过综述以及别人的博文去理解一个新东西，没必要死抠论文，应该注重的方向在于对 DL 方向的宏观了解 当然我们都会在看完后进行代码的实验和调试

我的目标是机器学习算法工程师，那我阅读论文时应该是注重量还是质？

个人认为质比较重要，但是昨天和他聊天他认为我这学期看得太少等于什么也没做，有点焦虑了

想听听各位前辈或者同僚的想法

[zooo]

同样入坑 cv，也有同样的困扰，方便留个微信，一块学习交流么？

[2473]

不是所有论文都值得这样做的，量和质两手抓

量铺开，对你做的领域有个全面的了解，跟上最新的研究在做啥。领域的难点是啥，常用的解决方案是啥。
对 1. 高质量的论文 2.最新的 SOTA 才需要精读

[sillydaddy]

我也觉得“量和质”应该结合起来，比如先看综述了解大概的方向，然后再挑选重点去深入了解。感觉你同学说的意思就是用综述 /博文去快速了解领域的大概样貌，这样便于在后续的深入研究中有方向感。毕竟时间就是那点时间，深入挖掘也得有所取舍吧。

可以看下这个帖子( /t/739846 )里提到的 www.connectedpapers.com 网站，提供了论文之间的关系图谱，方便概览某领域的高质量论文，快速了解该领域现状

[israinbow]

cv 学术圈都是卷卷壬, 除了水论文什么都干不了, 量很大但没有质, 找高质论文的过程就潜移默化的让你读了巨大多量的论文了

[cowarder]

确实太慢了，每一篇论文的水平参差不齐，没有必要都看的如此详细，一般来讲开展一个方向，在这个方向读 2，30 篇论文就够了，能够对这个方向有一个把握，然后选一个自己感兴趣的小方向，就是想 idea，这个时候你的 idea 是基于哪篇论文的，就把这篇论文复现，然后在这个基础上实验你的 idea，想发好的论文不是看得多或者是看的深，你要多做，多做实验，多跑实验，多想 idea，尽可能快的验证你的 idea 的合理性，建议你不要再按照这个思路来，刚刚入坑的话要先关注量，有了量然后选一个小方向深挖，然后就是不断想 idea，实现 idea，验证 idea 的循环了

[huihuilang]

找几片大佬的 review 研究透吧，文献看多了就知道，大部分只需要看图就可以了

[kkjz]

GrafZhyu 话说 V2 上没有私信的吗 找了半天没找到
@zooo

[zooo]

@kkjz 好像没有
加我 wx base64: dzg0NDAzODk1OQ==