文章目录

  • 核心:目标感
  • 第一步:检索方法
    • 同义词库构造
    • 实践
      • 检索式构造
      • 知识库建立
      • 知识库完善
      • 主要类别
      • 更新订阅
      • 合理使用方式
  • 第二步-阅读文献
    • 构建素材库
    • 细分兴趣方向
    • 文献分组和筛选
    • 图片、文字切块重组
    • 特定概念理解
  • 第三步-文字素材库
    • 不同文件不同处理
    • 遗漏文献

核心:目标感

从各类繁杂的数据中选择对自己目标最有价值的内容,提取、吸收、推动行动;

第一步:检索方法

(A and B and C),其中A可分为a or b or c; 先包含更多可能的文章,后精选过滤,得到核心关键;
检索范围:WOS, Scopus, 知网,EI;
问题
使用不同数据库,明显命名有大小写差异,无法完全检测出所有重复文献;

同义词库构造

• 中国知网翻译
• 百度基本定义,wiki百科,知网翻译
• 反复迭代、总结和重构

实践

图像增强主题

image enhancement(可能:image intensification) image enhancing,image
enhance,imaging enhancement,images enhancement 图像色彩增强 image color
enhancement,image color enhancing 图像润色 image retouch

检索式构造

拆解关键词,使用通配符"*";
选择的检索式

image* color enhanc*;412条
image* retouch*,11条
image* enhanc*  AND color,406条
image low light, 327条
image underwater
最终确定检索式
image color enhanc* OR image retouch, 8464条,主题
新增关键词
underwater,low contrast

知识库建立

使用软件归纳、整理;
• 文献导入
endnote, zotero(自动下载)
• 分组归纳
构建组,新的类别,检索归类,去重;
• 下载文献
zotero直接在线下载,保存对应条目
• 选择性阅读

  1. 近五年论文;
  2. 顶刊、顶会优先(TPAMI, TIP, TOG, TMM, PR, TCSVT, TOMM);
  3. 先有整体流程,后快速筛选优化

知识库完善

  1. 知识库聚类
    先按照年排序,后在前两页寻找关键词,根据关键词加标签分类;
    不要限制于某个词,根据词频来检索;
  2. 分组
    • 根据高频词将所有检索结果分类
    • 将最高频超过400继续细分
    • 将不同组合单独分组

主要类别

• 按应用场景
low-light, underwater, foggy, medical, blur, haze, sand;
• 类似途径
reconstruction, restoration, segment
• 常用技术
constrast, GAN, transform, brightness, edge, exposure, fusion, hue, saturation
wavelet decomposition, histogram;
color-line, homomorphic filtering;
color restoration, dehazing, color correction;
color constancy,HSV, CLELAB, YCBCr,

• 感兴趣
retinex理论,two-color, gamut mapping, color correct.

更新订阅

• 将检索式保存
在wos,ei和scopus保存检索历史
• 订阅通知
使用邮箱订阅,对应特定检索式,每天更新检索结果并阅读

合理使用方式

• 文献驱动
目的在于,海量信息中找全、找准,梳理思路方法;
• 不要过头
不能变成a+b+c=创新,只是简单组合拼凑;
问题驱动/好奇心驱动,做有价值的事或者做有趣的事!!!

第二步-阅读文献

第二步知识库分组,快速了解领域内研究方向;
全面,整体;

构建素材库

从知识库到素材库,图片库确定论文框架和实验方法。
图片——论文骨架;
文字——论文血肉;
思想——论文神经;(4.2)

细分兴趣方向

• 标题分成几个大类
方法,损失函数,优化方式,数据增强之类;
• 有疑问,看摘要
• 有疑问,看原文

文献分组和筛选

• 期刊排序
关注重点感兴趣期刊,了解发表论文内容和模板形式
• 按照写作、实验和idea分类

图片、文字切块重组

图片素材库
• 前期准备细化后的需要重点关注论文(100以内)
• 构建图片库
保存特定格式;(style,标题2)
• 选择论文并截图

• 作用
形成写作框架;指导实验设置;

特定概念理解

RGB-NIR
TRANSFORMATION-FREE
Color Transfer
Color Mapping
Image courtesy of Colantoni
Discrete Wavelet Transform, Stationary Wavelet Transform
Local Power-Law Transformation
HIS, HSV
Local Contrast
Curvelet Transform

第三步-文字素材库

不同文件不同处理

初始版本,按照文献进行图片和文字排序;
1.2版本,按照图片和文字的内容进行排序并不断更新;
1.3版本,根据1.2版本内容进行追根溯源的思考和追问;
1.4版本,在思考的同时带着问题阅读精读最相关文献,寻找可能的解决方法;

遗漏文献

Beyond brightening low-light images

科研方法-X_LAB-方法总结和实践记录相关推荐

  1. 【cadence virtuoso 实践记录(3)_gm/id 仿真方法】

    [cadence virtuoso 实践记录(3)_gm/id 仿真方法] 1 扫描NMOS 曲线 2. 扫描PMOS管的 曲线. 1 扫描NMOS 曲线 1)原理图 设置 w = 1u , l 设为 ...

  2. ts引入公共方法_vue3+TS+ant2.0 实践指南

    (内容全部手打,错别字见谅) 刚刚做完一个小项目,用时大概一周左右,我迫不及待的用上了vue3,开发体验还是非常的好.自从有了组合API,逻辑代码也可以复用了,大家可以开始写祖传的代码了. 一. 搭建 ...

  3. 《DevOps实战:VMware管理员运维方法、工具及最佳实践》——2.3 配置管理

    本节书摘来自华章计算机<DevOps实战:VMware管理员运维方法.工具及最佳实践>一书中的第2章,第2.3节,作者:小特雷弗 A. 罗伯茨(Trevor A. Roberts Jr.) ...

  4. 矢量科研数据质量检查方法

    矢量科研数据质量检查方法 矢量数据是地理科研工作当中经常接触的一类数据,那么如何判断自己制作的矢量数据是否合格呢?建议从以下几点进行判断: 数据完整性检查 位置精度检查,查看矢量数据空间范围是否正确, ...

  5. 精彩演讲推荐|智能化变更防控方法、架构与组织实践

    CSDI summit中国软件研发管理行业技术峰会(Software development management industry technology summit)由国内专业咨询机构百林哲匠心打 ...

  6. 数据分类分级的概念、方法、标准及行业实践

    数据战略上升为国家战略,数据资产成为国家各行各业的核心资产.在数字化时代,数据分类分级成为数据资产管理的重要组成部分. 通过数据分类分级管理,可有效使用和保护数据,使数据更易于定位和检索,满足数据风险 ...

  7. Java UT用例实践记录

    Java UT用例实践记录 最近重构过程中在补充以前代码的用例,正好把UT用例的实践经验记录下来. Redis打桩 很多程序都会使用redis管理缓存,UT用例需要解除对远端redis server的 ...

  8. PikaScript实践记录(2)之移植PikaScript(1)

    PikaScript实践记录之最小BSP包工程 Author:onceday Date:2022年9月3日 也信美人终做土,不堪幽梦太匆匆! 前言: 本文章基于PikaScript脚本语言在阿波罗St ...

  9. 【Java 虚拟机原理】Class 字节码二进制文件分析 五 ( 方法计数器 | 方法表 | 访问标志 | 方法名称索引 | 方法返回值类型 | 方法属性数量 | 方法属性表 )

    文章目录 前言 一.方法表结构 二.方法计数器 三.方法表数据解析 ( init 构造方法 ) 1.方法访问标志 2.方法名称索引 3.方法返回类型 4.方法属性数量 前言 上一篇博客 [Java 虚 ...

  10. 【数据挖掘】基于密度的聚类方法 - DBSCAN 方法 ( K-Means 方法缺陷 | 基于密度聚类原理及概念 | ε-邻域 | 核心对象 | 直接密度可达 | 密度可达 | 密度连接 )

    文章目录 I . K-Means 算法在实际应用中的缺陷 II . K-Means 初始中心点选择不恰当 III . K-Means 优点 与 弊端 IV . 基于密度的聚类方法 V . 基于密度的聚 ...

最新文章

  1. JS类的封装及实现代码
  2. iostat 命令查看linux磁盘I/O
  3. 经典4大Python面试题!初级者,你所需知的(附标准答案)-上篇
  4. 穷不过三代,囧不过三个公司——程序员如何通过努力让自己看上去很光鲜
  5. 损失函数梯度对比-均方差和交叉熵
  6. mathwin.top 联系我们_设计:“有目的”的“因果联系”
  7. PlacementBrowser源码分析
  8. android上运行java命令,Java exec()不在android上运行busybox命令
  9. JAVA设计模式-装饰器模式(Decorator)
  10. python中使用pip安装报错:Fatal error in launcher... 解决方法
  11. RabbitMQ的工作模式Routing 路由,test测试代
  12. 菜鸟评python,F#,Go
  13. 衰退的爱立信,进击的华为
  14. network 关于PV,网站访问量和服务器带宽的选择
  15. 三天搞定射频识别技术(一)1.3
  16. 盘点国外知名量化基金
  17. CF1463-C. Busy Robot
  18. UE4-音效触发技巧
  19. [Ubuntu] ubuntu/LINUX游戏集锦(更新十余款大型3D游戏)
  20. 智能车大赛信标组_【学院新闻】第四届福建省智能汽车竞赛圆满落幕

热门文章

  1. 一个由三角形引出的乘积恒等式
  2. 智能电子快递面单系统
  3. css3学习以及移动端开发基本概念的思考
  4. 12306余票查询(二)——获取余票数据
  5. [ERROR] [MY-012576] [InnoDB] Unable to create temporary file; errno: 30
  6. 安卓手机管理_七色米ERP(七色米ERP进销存管理)V1.2.1 安卓手机版
  7. APP开发定制开发语言
  8. opencv 编译时出现的一个神奇bug,关于python,99%,链接
  9. 最美应用-从Android研发工程师的角度之[厨房故事]
  10. 重磅!中国首家互联网银行联手腾讯、华为各大APP,最高5万额度,疯狂提额100亿!!!...