一、基础知识

1、编程语言

①Python 语言：主要用来修改程序，然后调试程序

B 站看教程+书籍《Python 编程：从入门到实践》跑案例

②Linux 命令：运行终端输入命令来控制程序的执行

只需掌握最常用的那十几个命令（搜一下就有整理）

③PyTorch 框架：有效地构建和训练目标检测模型

照着网上的源码能跑通就行

2、深度学习目标检测网络原理

①如卷积神经网络

弄清楚基本原理是什么？包含哪些基本结构？这些结构又有 什么作用？

②掌握一些常用的目标检测网络

如 yolo：了解 yolo 源码，并且能够根据源码 找到 yolo 网络结构图的对应的每一部分，这样你改进网络结构的时候才知道是 在源码的哪些地方进行

---

二、资源分享

为了方便大家学习，我精心整理了一份超全的深度学习资料，还有80G人工智能资料包（如下图）

不仅有入门级教程，配套课件，还有进阶实战，源码数据集，更有面试题帮你提升~

需要的兄弟可以按照这个图的方式免费获取

---

三、实操

下载目标检测网络的源码和公开的数据集，刚开始的目标就是把程序跑通然后能 完整的训练一遍，主要是学习和熟悉一下预处理这些操作

100+深度学习常用开源数据集（同上面的资料一起）

包含小目标检测、目标检测、缺陷检测、人脸识别、图像分割、图像识别等方向

深度学习实战项目合集（同上面的资料一起）

---

四、论文

第 1 步：找到 baseline 论文

从本方向的一些开山之作、经典 sota 以及近三年的顶会顶刊文章中选取 1-3 篇 作为你的 baseline，可以到 paper with code 下载这些开源代码

一个优质的 baseline 通常具备以下特点：

1、发表的时间是近两到三年的：太老的话，审稿人可能不会认可你的对比方法； 而最新的 SOTA 论文往往过于强大，难以超越且优化难度大（超越 SOTA 并不是发论文的必要条件）可以选择一些文章比较新，但性能比较差的作对 比，发个三区四区足够了

2、具备开源代码且有完整的文档（readme），各部分内容详细、清晰， 如训练、测试、损失函数、网络结构等模块界定明确。 （GitHub 上星标较多的更佳，这表明该代码被广泛使用且质量可靠）

3、此外，论文中的公式应清晰明了，方便对照代码理解公式，当你掌握如何将理论公式转化为代码时，就基本入门了

AI 顶会论文合集：

第 2 步：深入剖析 baseline 代码

当你找到了不错的 baseline 论文后，就要深入阅读、使用它的代码了

阅读代码的诀窍：

• 按照 github 的文档配置好你的环境，（pytorch 和 tf 都特别好配置）
• 根据 readme 的步骤，下载相应的数据，运行相应的脚本，让它的训练能流 畅地跑通；（如果在中间报了错，一般都是 library 版本不符）
• 当你成功运行开源代码或遇到算法相关的 bug 时，可以使用一款优秀的 IDE（如 Pycharm）进入 debug 模式。在该模式下，可结合实际数据逐步 分析代码。对于看不懂的步骤，可对照论文流程并通过谷歌查询 API 使用方法。很多单独查看难以理解的代码，结合着 tensor shape，或者处理过 后的数据的 shape/value 就能理解
• 如果时间允许，建议对选定的几篇 baseline 都这样跑一遍，并且用笔记记 录下大概流程

第 3 步：搭建自己的 pipeline

• 可以在第三步选定的 baseline 基础上进行改进，关键在于修改数据读取和预处理部分。此阶段先不要添加自己的模型，先用 baseline 的模型跑通你自己的数据
• 再把你自己的 idea 加入 pipeline，创新点主要集中在提出更好的模型或者改进训练机制方面，模型或损失函数相关内容在网络上通常能找到结构类似的代码，直接按照他们的格式仿写即可（比如你要做轻量级图像分割，那大概率可以借鉴 Unet）

对 baseline 最简单粗暴的改进就是改网络结构

改网络结构主要有 5 种方式：串联、并联、交互、融合、连接

可以整合不同论文中的模块，比如某篇论文的 A 模块是卷积结构，可用于提取局部特征；另一篇论文的 B 模块是 attention 机制，可提取全局特征；将 AB 并联后就可以说能提取多尺度特征如果效果有提升，就可以做消融实验，论文就有东西可以写了。解释一下为 什么加入 A 效果有提升，为什么加入 B 效果有提升，再说一下新模型的优缺点。“A 能提取局部特征，B 能提取全局特征，我们设计了这个新模型，它综合了 A+B 的.....能力，所以效果得以提升......”

深度学习论文即插即用模块：

涵盖了各种注意力机制，卷积变体，Transformer 变体等

第 4 步：撰写论文

当你完成上述 3 步后，只需要会一些写作套路就行，推荐一个UP的合集，详细讲解了从选题到投稿的全流程写作套路，感兴趣可以去看看：读论文的silan学长

还有一份超全的论文资料合集（写作教程/科研工具/开题报告&文献综述模板/创新点干货等）

需要的资料的小伙伴可以按照这个图的方式免费获取