📣 黑五价提前开抢|VIP一年通行证5折,蓝莓、Offer多多同步特惠
查看: 3146| 回复: 7
跳转到指定楼层
上一主题 下一主题
收起左侧

[研究方向] Deep Learning Final Year Project 选题困扰

全局:

注册一亩三分地论坛,查看更多干货!

您需要 登录 才可以下载或查看附件。没有帐号?注册账号

x
各位路过的大佬们好,小弟今年应用数学大四刚开学,马上需要进行FYP的课题选择,因为个人以后的发展方向,准备选CS系底下主要围绕图像处理的深度学习项目,目前教授给了四个题目分别是 re-identification, super-resolution, image-caption, 和 action-detection, 相关可能用到的模型大概包括LSTM, Attention model, ?-GAN, VAE, 和metric learning,都有一定的熟悉,暑期做过一点视频动作识别的项目用的是LSTM和Attention model,但是因为暑期准备GRE的原因,没有组织论文(当然因为时间的关系,本身模型也就是走了一个特定场景下的应用,没有啥创新)。我在这里想问,如果不考虑个人兴趣的话,选择哪个项目比较合适,相对有前景,相对容易进行模型应用上的优化,进一步的发表文章。[当然要想发表文章都得花一番功夫]. From 1point 3acres bbs
小弟在这里谢过了。. 1point3acres.com

上一篇:关于ee转cs在大三阶段的选课和软背景问题
下一篇:为申请考虑,论文应该投AAAI还是ICLR
全局:
zpinthehouse 发表于 2017-9-8 07:33
这几个说的太大了,不太好分析哪个更有前景,大体上看基本上现有的模型都可以套。。另外我觉得作为undergra ...

求问一下前辈 现在ML DL 相关phD工作也调包侠化了吗 大部分人的工作流程是不是就是 针对一个具体问题套现有模型 看结果 继续迭代 各种微调 不行换模型再套 这样的? 主要是我在调查老师的时候感觉很多phD工作就是这个模式 有多少人工就有多少智能...  这就陷入一个为了发文章而文章的困境 更令人困惑的是这种phD在工业界能提供怎样的价值... 理论肯定是进不去FAIR 工程能力也比不过system track的老哥们 然后人数多的一逼
回复

使用道具 举报

🔗
solomonking 2017-9-8 05:30:05 | 只看该作者
全局:
Lots of work has been done in these four areas using deep learning. You might need to consider finding a new problem to solve in these areas so that your research can stand out. Otherwise, directly apply deep learning technique is a little superficial nowadays.
回复

使用道具 举报

🔗
zpinthehouse 2017-9-8 07:33:30 | 只看该作者
全局:
这几个说的太大了,不太好分析哪个更有前景,大体上看基本上现有的模型都可以套。。另外我觉得作为undergraduate research不需要对模型有太多的改进,事实上很多phd的paper也都是用现有的模型解决新的问题,连CVPR上的很多文章也是如此,只是人家问题新颖有趣,模型用的巧妙,效果也好。。
回复

使用道具 举报

🔗
Mitochondria 2017-9-8 07:40:30 | 只看该作者
全局:
楼主你们本科应用数学学院现在开始搞DL ML的占多少比例?我ECE 起码有一半在搞DL  
好奇调查一下

补充内容 (2017-9-8 07:44):. 1point 3acres
反正无论楼上怎么说 楼主哪怕灌水也尝试发一下论文 否则你申请DL ML phD 零科研成果绝对会扑街
现在搞这个的风头太盛了,开源导致门槛下降的也很快,涌进来的人更多。stand out 还是得有高质量paper
回复

使用道具 举报

🔗
zpinthehouse 2017-9-8 22:29:05 | 只看该作者
全局:
Mitochondria 发表于 2017-9-8 07:56
求问一下前辈 现在ML DL 相关phD工作也调包侠化了吗 大部分人的工作流程是不是就是 针对一个具体问题套现 ...
.
算不上前辈。。我也不是搞DL的phd,我搞的很统计。。只是跟我们学校EE里搞CV,DL的老师和实验室比较熟,上过他们DL,CV的课。。他们大部分是用现成的模型现成的包实现不同的问题,比如人眼图像等等,发的paper也都不错,很多CVPR和IEEE里不错的transaction。。而NIPS,KDD的paper更侧重模型一些,NIPS里面有很多统计背景极强的人发的paper(比如迈克尔乔丹,berkeley统计和EE双料大牛)。。

至于phd在工业界价值,至少目前还是很吃香的。。FB research scientist很多就是专门找NLP、CV的PhD,认识的那个实验室里的人去向也都很好。。至于比工程能力,搞system的phd也不见得比的过好的master。。在两个人背景能力差不多的情况下,一个读CS phd,不管什么方向,一个读CS master。。一定是哪个CS master毕业的时候工程能力更强。。

补充内容 (2017-9-8 22:39):. ----
我所比较的CS PhD和CS master是指之前水平差不多的情况下,CS master受到的工程训练更好。。因为CS Phd不管搞什么都相对理论。。但是不能拿清北毕业去四大读CS phd的和普通学校转100名学校CS master的人比。。
回复

使用道具 举报

🔗
mmm11221 2017-10-22 19:52:27 | 只看该作者
全局:
我觉得GAN是一个很有意思的话题
回复

使用道具 举报

🔗
 楼主| Adopteruf 2017-11-12 18:51:38 | 只看该作者
全局:
mmm11221 发表于 2017-10-22 19:52
我觉得GAN是一个很有意思的话题

对,GAN的想法很好和VAE一起把generative model提到了更高的一个层面,现在也有非常之多的变种。

现在很早以前就确定了课题做ReID用Metric learning和representation learning在unsupervised setting底下做,GAN可以进行模型的融合。
. 1point 3 acres
GAN更多的是一个框架吧,如果走理论的研究个人感觉结果慢,往往是融合到模型框架里进行辅助学习,比如说GAN的生成虚假数据可以为不足的数据提供支持做一个unsupervised learning等等
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册账号
隐私提醒:
  • ☑ 禁止发布广告,拉群,贴个人联系方式:找人请去🔗同学同事飞友,拉群请去🔗拉群结伴,广告请去🔗跳蚤市场,和 🔗租房广告|找室友
  • ☑ 论坛内容在发帖 30 分钟内可以编辑,过后则不能删帖。为防止被骚扰甚至人肉,不要公开留微信等联系方式,如有需求请以论坛私信方式发送。
  • ☑ 干货版块可免费使用 🔗超级匿名:面经(美国面经、中国面经、数科面经、PM面经),抖包袱(美国、中国)和录取汇报、定位选校版
  • ☑ 查阅全站 🔗各种匿名方法

本版积分规则

>
快速回复 返回顶部 返回列表