153 lines
11 KiB
Markdown
153 lines
11 KiB
Markdown
# 如何做研究
|
||
|
||
## 0. 讲在前面
|
||
|
||
Author：任浩帆
|
||
|
||
Email: yqykrhf@163.com
|
||
术语介绍的补充：Spy
|
||
|
||
仅供参考，如有不足，不吝赐教。
|
||
|
||
## 术语的介绍
|
||
|
||
**Benchmark：**评测的基准。通常会是一些公开的数据集。
|
||
|
||
**Baseline:** 基准，一般指的是一个现有的工作。
|
||
|
||
**SOTA **(state-of-art): 截止目前，指标最好。
|
||
|
||
举个例子：
|
||
|
||
我们选取 XXX-Net 作为我们的 Baseline，在加入我们设计的注意力机制的模块，在 KITTI 这个 Benchmark 上性能达到了 SOTA。
|
||
|
||
**Backbone:**
|
||
|
||
这个单词原意指的是人的脊梁骨，后来引申为支柱，核心的意思。
|
||
|
||
在神经网络中，尤其是 CV 领域，一般先对图像进行特征提取（常见的有 vggnet，resnet，谷歌的 inception），这一部分是整个 CV 任务的根基，因为后续的下游任务都是基于提取出来的图像特征去做文章（比如分类，生成等等）。
|
||
|
||
所以将这一部分网络结构称为 backbone 十分形象，仿佛是一个人站起来的支柱。
|
||
|
||
**Solid**
|
||
|
||
一般是描述这个工作非常扎实。
|
||
|
||
这个工作很 solid。每一步都 make sense（合理）。没有特意为了刷 benchmark 上的指标，用一些 fancy trick（奇技淫巧）。
|
||
|
||
**Robust**
|
||
|
||
鲁棒性，是描述一个系统受到外界的干扰情况下，仍然能保持较好的性能。
|
||
|
||
举个例子：
|
||
|
||
我们的系统的图片加入大量的噪声，已经旋转平移缩放以后，仍然能正确的分类，这表明了我们的工作具有一定的鲁棒性。
|
||
|
||
## 坐而论道
|
||
|
||
### 2.1 研究是什么
|
||
|
||
从实际的几个例子讲起：
|
||
|
||
1. 某学生，被老师分配了一个课题的名字：《语义分割》。之后开始看相关的论文，了解到有实时语义分割，视频语义分割，跨模态语义分割等等子任务或者交叉任务，然后跟导师开始汇报自己的一些感想，最后在老师的建议之下拟定了具体的课题，开始思考解决方案。
|
||
2. 某学生，被老师分配了一个课题的名字：《存在遮挡情况下的单目人体重建》 。之后这个学生对这个问题提出了有效的解决方案。
|
||
3. 某同学在 waymo（Google 自动驾驶子公司）实习，发现没有用神经网络来直接处理点云的工作。于是决定做一个神经网络能够直接输入点云，经过几番尝试以后，提出了《第一个能直接处理点云的网络》。
|
||
4. 某高校的本科生在 lcw 下的指导下做科研的流程：老师直接给给一个 basic idea，然后让本科做实验，在这个工程中非常有针对性的指导。
|
||
|
||
例 1 是在给定一个大题目的基础下，去阅读论文寻找小题目。
|
||
|
||
例 2 是在给定一个具体细致的题目基础下，直接去想如何解决。
|
||
|
||
例 3 是在实际工作的情况下发现了一个非常有意义的问题，然后思考如何解决。
|
||
|
||
例 4 是直接给定一个 idea，去实现，研究者所需要完成的几乎是工程实践。
|
||
|
||
理想情况下，研究流程应该包含：
|
||
|
||
Step 1. 提出问题
|
||
|
||
Step 2. 提出解决方案
|
||
|
||
Step 3. 验证解决方案的有效性。
|
||
|
||
有些问题是一直存在，但没有彻底解决的。这一类的问题通常，就不存在 Step 1。从事这一课题的研究者经常会在 2，3 之间来回反复。
|
||
|
||
### 2.2 如何做研究
|
||
|
||
从上一小节的几个例子当中，其实不同的人做研究所需要完成的工作是完全不一样的。很多时候只需要做 step 3 即可，从功利的角度来讲这是性价比最高的。
|
||
|
||
如果我们是一个合格的博士或者我们致力于如此，那么首先的第一步要找到一个好的问题，这是一个非常重要的开始，**一个好的问题往往意味着研究已经成功了一半。 **什么是一个好的问题？它可能会有以下几个特点：
|
||
|
||
1. 理论上能实现某种意义上的统一，从而使得问题的描述变得非常优雅。比如 [DepthAwareCNN](https://arxiv.org/abs/1803.06791)
|
||
2. 对于之后的工作非常具有启发的作用，甚至达到某种意义的纠偏作用。比如 [OccuSeg](https://arxiv.org/abs/2003.06537)
|
||
3. 本身足够 solid，可以作为 meta algorithm。比如 Mask-RCNN
|
||
4. 是一个大家没有引起足够重视，却非常棘手且非常迫切的问题。比如相机快速运动下的重建，[MBA-VO](https://openaccess.thecvf.com/content/ICCV2021/papers/Liu_MBA-VO_Motion_Blur_Aware_Visual_Odometry_ICCV_2021_paper.pdf)
|
||
|
||
#### 2.2.1 如何去找一个好的问题
|
||
|
||
如何确保自己选的问题是一个好的问题？这需要和指导老师及时的反馈。如果指导老师不给力，那么一些方法仅供参考。
|
||
|
||
1. 自己和工业界的一些人去交流与沟通，看看实际落地的痛点是什么？面对这些痛点，已有的研究方法能否解决，是否有一些现有的 benchmark 或者容易制作的 benchmark 来做为评价标准。
|
||
2. 做加法。举个例子：图片可以做语义分割。那么图片 + 深度图如何更好的做语义分割。图片 + 文字描述的做语义分割。现在的语义分割的标注都是 0，1，2，3 这些数字，然后每一个数字对应一个实际的类别，这个对应表是认为规定的。如果我把 0，1 的对应关系换掉。重新训练以后就，网络的性能是否会影响？
|
||
3. 做减法。对于点云的语义分割的标注，通过是非常费时费力的。那么对于点云来说，少量的标注是否是可行的？比如只标注百分之 10 的点。
|
||
|
||
以上是一些技巧，把输入调整一下，约束去掉一些，就会有很多新的问题。这个过程通常被叫做**“调研”**
|
||
|
||
这个过程在是一个相对比较痛苦的过程，因为调研的过程中你会发现很多问题，想到很多所谓创新的解决方法，但是实际上你会发现你的解决方法已经有很多人做过了。这一阶段调整心态很重要，切忌急于求成。
|
||
|
||
#### 2.2.2 如果提出解决方法
|
||
|
||
这个阶段需要百折不挠，小步快跑了。一下是有一些可能有帮助的技巧：
|
||
|
||
1. 多读本领域的论文。（说起来非常玄妙，会在如何读论文部分详细解释）
|
||
2. 读一些基础，跨领域的论文。把其他领域的方法搬过来直接用。直接用通常情况下会存在一些问题，那么需要针对性的做一些改进。
|
||
3. 从历史出发。将你面对的问题抽象成数学问题，这个数学问题可能过去很多人都遇到过，去看一看他们是如何解决的，从中获取一些灵感。
|
||
|
||
#### 2.2.3 如果做实验
|
||
|
||
做实验的目的是为了快速的验证想法的正确性。以下两个东西最好要有
|
||
|
||
1. 版本控制
|
||
2. 日志系统
|
||
|
||
剩下就是一些工程习惯的问题，比如出现错误用 `std::cerr` 而不是 `std::cout`。这是一个需要实践积累的部分，与做研究有些脱节，之后有时间会在其他小节做一些补充。
|
||
|
||
## 快速出成果的捷径与方法
|
||
|
||
如何快速的出成果，不管别人如何帮你，前提是你自己要足够的强。不能存在 **“靠别人” **的想法。
|
||
|
||
对于一个博士生来讲，出成果保毕业，那么可能要对学术的进展要敏感，比如 Nerf 八月份刚出来的时候，如果你非常敏锐的意识到这个工作的基础性和重要性。那么你稍微思考一两个月，总是能有一些创新的 ieda 产生的。所以这个**timing 和 senstive**就非常重要，当然导师是不是审稿人可能更重要。
|
||
|
||
对于一个本科生来讲，当然是跟着指导老师的脚步去做。但是如果指导老师只是把你当成一个工具人，一直打杂货的话。你想发论文，一种所谓的捷径是 A+B。就是把一个方法直接拿过来用在另一个地方，大概率这样会有一些问题，那么你就可以针对性的改进，如何针对性的改进？不好的方式是 A+B 套娃，好一些的方式是分析这个不好的原因在哪里，现有的方法多大程度可以帮助解决这个问题，或者现有的方法解决不了这个问题，但是其中的一个模块是否是可以参考的。
|
||
|
||
### 3.2 学习别人是如何改进网络的（Beta）
|
||
|
||
自 UNet 提出后就有许多的魔改版本，如 UNet++, U2Net, 而这些 UNet 的性能也十分优异。
|
||
|
||
可以参考 UNet 的发展历程，去学习如何在前人的工作上加以改进和提升。
|
||
|
||
注：通过历史的演变来学习是非常有必要的，但是你需要注意一点的是，深度学习很多时候会出现一些情况：
|
||
|
||
1. 你认为你提出的改进方法是有效的，但是实际是不 OK 的
|
||
2. 你认为你提出的方法可能有效，实际上也确实有效。然而你不能以令人信服的方式说明这为什么有效。
|
||
|
||
举个例子 ResNet 为什么有效。“因为网络越深，可以拟合的函数空间就会复杂，但是越深网络效果反而变差。那么从一个角度来思考：网络至少某一层 i 开始到最后一层 k，如果学习到的函数是 f(x)=x 的恒等映射，那么网络变深以后至少输出是和 i-1 层的是一模一样的，从而网络变深可能不一定会变好，但是至少不会变差才对。”看起来很有道理，然后 CVPR2021 分享会，ResNet 的作者之一，xiangyu zhang 说“当时也完全不能使人很信服的解释为什么 ResNet 就一定效果好，感觉更像是基于一些灵感，得到了一个很棒的东西，更像是一个工程化的问题，而不是一个研究。但我们可以先告诉别人这个是非常有效的，至于为什么有效，可能需要其他人来解决。”
|
||
|
||
再举一个例子 BN(Batch normalization) 为什么有效，你去看 BN 的原论文和之后关于 BN 为什么有效的研究，会发现原论文认为有效的原因是不太能让人信服的。但这不妨碍 BN 有效，而且非常快的推广起来。
|
||
|
||
其实这件事可以类比于中医，做研究就好比要提出一套理论，但是我不知怎得忽然发现有一个方子经过测试非常有效，但是我确实不能给出一个很好的理论解释说明这个房子为什么有效。但是我尽快把这个方子告诉大家，这同样是非常有意义的。
|
||
|
||
举这个两个例子是为了说明，类似 ResNet 这种拍一拍脑袋就想出的 idea，一天可能能想出十几个，但是最后做出来，并且真正 work 的非常少。这里面就存在一个大浪淘沙的过程，可能我们看到的经典的网络，比如 Unet 就是拍拍脑袋，迅速做实验出来的。我认为这种思考方式仅仅值得参考，并不值得效仿。现在早已经不是 5 年前那样，却设计各种 fancy 的网络结构去发论文的年代了。
|
||
|
||
那么我们应该如何对待神经网络？（之后再写）
|
||
|
||
但我想 Charles qi 的思考方式是值得借鉴的。论文的顺序是
|
||
|
||
PointNet------>PointNet++------>PointFrustum-------->VoteNet
|
||
|
||
有对应的中文 Talk。但我建议先去读论文，之后再看 talk。
|
||
|
||
我们不应该无脑的认为我们给什么数据，网络就会得到好的结果。说什么高层，底层特征云云。
|
||
|
||
思考问题可以先从类似哲学的 high level 层面开始，但是具体操作一定要 make sense，不然只是一个空想家。
|