这是最近的一些想法，打算稍微整理一下，算是给他人的一点参考和建议，也顺便记录一下（找论文看论文其实是个技术活，没有想的那么简单，因为时间并不算多）。
最近快开题了，定了方向，毕业条件是至少一篇小论文，之前一直琢磨怎么弄，刚开始的时候觉得最快的方法就是找一篇最新的论文的模型学一学，改一改，或者换个应用领域之类的，然后应该就可以写小论文，因为最新的论文改模型肯定不会与别人的重复，如果改比较早期的论文很可能已经有人做了。结果找了领域内的最新的论文一看，懵逼了，全是深度学习的不说，网络还贼复杂，关键是还没有公布源码，那还怎么搞。本来想换个近两三年的，那个肯定有源码。
后来想法有所改变，论文最后是要有实际价值的，如果从用途（应用价值）往前推，也就是先考虑要实现什么东西，解决什么具体的问题，然后再去选择模型，选择论文，再对模型进行修改，或许才是比较理智的方法。
结果还没找到可改的地方，却通知要准备开题了。还是先补一下基础知识，只能把领域内的早期论文的方法看一下，就是图像质量评价，刚开始的时候，找了一些中文论文来看，根据网上还有其他地方的经验，先中文入门，然后看外文经典文献。我自己的办法是先找综述，中文的和英文的，通过综述去看哪些文献值得看，但是后面发现作用不大。都知道要找顶级的期刊会议，但是直接看那些不一定看得懂。还是需要了解先前的一些东西。后面自己摸索，现在的感觉是选论文看论文可以参考下面的步骤，不一定对，只是自己的一些想法。
1、先确定方向，如果自己在对某个个方向很感兴趣，并且有比较长期的积累，在导师同意下，可以继续该方向，也可以跟导师做相同的方向。
2、方向确定后，可以先找一下该方向的优秀硕博论文，近几年的，只需要看它的背景介绍和引言等，具体的方法可以略过。或者找最新的文献综述，大致了解一下这个方向的前因后果，解决什么问题，解决方法是什么，有哪些难点。
3、大致了解自己领域后，然后领域再划细一些，比如我刚开始想做图像质量评价，后来了解了一些后，打算做无参考通用型图像质量评价，因为我觉得这个应该是图像质量评价中最有用的。然后直接搜最新的顶级会议或期刊的论文，收集几篇，不是要看论文的内容，而是看它的引言和参考文献，通过它的引言和参考文献可以找到自己领域内比较权威的论文，相当于大牛推荐啊，比自己在知网和百度学术上搜索，然后看的眼花缭乱的不知道该选哪些论文来读，是不是要方便省事的多。
4、找好了论文可以按类型分类，比如按早期模型或早期解决办法和较新的模型分类，早期的模型可以不用太仔细，因为能挖的点很可能已经被挖完了，很难再找到改进的方法，而且改进了效果也比不过新的模型。看论文的方法，可以看些牛人的博客、知乎。其实知乎上有不少有用的东西。
5、需要注意的几点：1）中文快速入门，入门后就可以扔了。2）要分精读和泛读，因为时间有限。3）及时记录笔记和看论文产生的想法，想法很重要。 4）有机会的话，注意交流。
6、之前听的一个讲座，讲的如何改进模型，分享给大家：（前提是对该算法及现有研究有充分的理解）1）特殊输入条件，发现特殊输入情况下算法的缺陷并改进。2）大规模输入量，改进算法复杂度。3）特殊应用场合，提出适合某种特殊应用场合的版本。4）设计原理，提出解决同样问题的新算法。
7、想到改进的想法的时候需要论证：1）我的想法是对的吗？2）已经有人做过了吗？3）别人跟我做的有不同吗？4）我比别人做的更好吗？