如何在一个月写一篇论文(中文核心,SCI)

简介: 如何在一个月写一篇论文(中文核心,SCI)

计算机视觉,cv领域

半年发3篇sci的我教你如何快速“水”一篇sci论文

方法视频:小白如何半年发3篇sci的我教你如何快速“水”一篇sci论文_哔哩哔哩_bilibili

计算机视觉(辅导 SCI EI 核心)

小白如何快速写出一篇论文并成功发表?其实掌握了技巧和方法,成功“水”出一篇sci并非难事。

废话不多说,全程干货!

论文三个大方向标准:

(1)用创新方法,研究老问题

(2)用老方法,研究新问题

(3)用解决A问题的方法,解决B问题

计算机视觉创新点如何找:

  1. 降低baseline
  2. 借鉴优化点:借鉴其他领域论文的创新点,思考“如何用到我的应用场景”,如果觉得好像不太行,就换下一篇看,主打一个不浪费时间。
  3. 模块缝合:套用现有模型,把乱七八糟的模块缝合起来用在你的场景上,参数调一调。
  4. 思考原来的模型是否存在一些问题(例如模型太大、推理速度太慢、训练时间太长、收敛速度慢等),然后考虑如何优化模型。
  5. 替换一些新的结构,引入一些其他方向的技术,例如transformer、特征金字塔技术等。
  6. 尝试去做一些特定的检测或识别。通用的模型往往为了保证泛化能力,检测识别多个类,而导致每个类的识别精度都不会很高。
  7. 新设备的应用,把其他领域的研究设备、工具等应用在自己的研究领域中。(对小白有难度)
  8. 使用Transformer模型或其变体来替代传统的卷积神经网络,提高视觉任务的性能和泛化能力。

等等等等......

总而言之,还是需要关注最新的技术发展和论文动态,这样思路才会打开。

论文效果一般的话,论文就要“吹”的好一些

语言是内容的载体,语言不过关,逻辑不通顺,一般来说会被打回去润色,要不然就直接拒,很影响论文的接受率和效率。

举个栗子:(摘要如何写?)

摘要是我认为新手小白们最难着手的部分!因为要在极其有限的篇幅里准确地表达,摘要写得好,编辑老师就会第一眼印象很好,非常考验大家的写作功底~

因此要去量化标准,你的摘要中必须包含这四点:

(1)你的研究目的是什么?

(2)这篇文章里你做了什么实验?

(3)通过这些实验你发现了什么?

(4)通过这些发现你得到了什么结论?

我小白时也只会从后文各部分随便找几句paste过来,没有逻辑、不会总结,后来我研究透彻后,成为了大家眼中的sci论文机器~

期刊如何选择?

论文质量不高的话,当然是找“水刊”发表,多在网上搜一搜好中的期刊,自己找的话,就找影响因子低的,见刊快一点当然最好。

网络异常,图片无法展示
|

如果你还想不出创新点

如果你还没完成你的小论文,毕业论文

如果你不知道怎么实现代码

如果你不会找合适的期刊

如果你还有其它计算机方面的问题

你都可以问我!

相关文章
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
十个最适合论文写作的GPTs及其应用
十个最适合论文写作的GPTs及其应用
69 0
|
6月前
|
自然语言处理 前端开发 Swift
社区供稿 | 中文llama3模型哪家强?llama3汉化版微调模型大比拼
随着llama3的发布,业界越来越多的针对其中文能力的微调版本也不断涌现出来,我们在ModelScope魔搭社区上,搜集到几款比较受欢迎的llama3中文版本模型,来从多个维度评测一下,其对齐后的中文能力到底如何? 微调后是否产生了灾难性遗忘问题。
|
自然语言处理 机器人 API
GPT学术优化 (GPT Academic):支持一键润色、一键中英互译、一键代码解释、chat分析报告生成、PDF论文全文翻译功能、互联网信息聚合+GPT等等
GPT学术优化 (GPT Academic):支持一键润色、一键中英互译、一键代码解释、chat分析报告生成、PDF论文全文翻译功能、互联网信息聚合+GPT等等
|
数据采集 机器学习/深度学习 算法
【论文速递】EMNLP 2020 - 将事件抽取作为机器阅读理解任务
事件抽取(Event extraction, EE)是一项重要的信息抽取任务,旨在抽取文本中的事件信息。以前的EE方法通常将其建模为分类任务
147 0
|
6月前
|
机器学习/深度学习 运维 数据可视化
中科院版「分割一切」模型来了,比Meta原版提速50倍 | GitHub 4.2K+星
中科院版「分割一切」模型来了,比Meta原版提速50倍 | GitHub 4.2K+星
84 0
|
机器学习/深度学习 人工智能 自然语言处理
牛刀小试:我用自创的测试集参加了阿里中文竞技场双模型评测
8月我自己创建了一个包含320个问题的大语言模型测试集,刚好阿里魔搭社区正在举办中文模型评测活动,本着对这些模型效果的好奇,刚好手里也有“验丹指南”,所以就抽时间来玩一把模型测试。
|
机器学习/深度学习 自然语言处理 数据可视化
CVPR 2022 Oral | 视频文本预训练新SOTA!港大、腾讯ARC Lab推出基于多项选择题的借口任务(2)
CVPR 2022 Oral | 视频文本预训练新SOTA!港大、腾讯ARC Lab推出基于多项选择题的借口任务
133 0
|
机器学习/深度学习 数据挖掘 计算机视觉
Google新作 | 详细解读 Transformer那些有趣的特性(建议全文背诵)(二)
Google新作 | 详细解读 Transformer那些有趣的特性(建议全文背诵)(二)
125 0
|
机器学习/深度学习 数据可视化 计算机视觉
Google新作 | 详细解读 Transformer那些有趣的特性(建议全文背诵)(一)
Google新作 | 详细解读 Transformer那些有趣的特性(建议全文背诵)(一)
121 0
|
自然语言处理 计算机视觉
CVPR 2022 Oral | 视频文本预训练新SOTA!港大、腾讯ARC Lab推出基于多项选择题的借口任务(1)
CVPR 2022 Oral | 视频文本预训练新SOTA!港大、腾讯ARC Lab推出基于多项选择题的借口任务