1樓：zzzz
2樓：
CVPR近年看來越來越水了，各種調參trick黑魔法佔主流。希望今後像ICML和ICLR這類會議會進一步受到重視，這類會議含金量確實高，對於深度學習的發展也有很大的推動作用。
3樓：
reid不熟，但是其他領域有17年的文章拿15年的東西做為baseline中18年所謂頂會oral的
對於有經驗的人來說，究竟是刷分需要的資源超出一般實驗室的負擔，還是為了顯得有效而挑了個弱baseline，是能感受的出來的
無所謂了，現在資訊交流那麼發達，玩弄實驗結果的傢伙，即使一時忽悠的了評審，最終是會被驗貨驗出來的
4樓：
@王峰 的答案我個人認為解釋的不夠好，大有一種隨意打發這種質疑精神的感覺。
內行和外行的區別是，ablation study和關注幾個數字？
所以只要做了ablation study，哪怕結果並沒有任何提高，甚至變差了也可以堂而皇之的吹噓嗎？
這麼說來，這樣的ablation study恐怕也沒什麼含金量，不要也罷吧
5.12:
我不是說不尊重ablation study，但只提ablation study和只提那幾個數字沒有區別，都是以偏概全，沒有高下之分
5樓：
首先，確實需要承認不同的實現之間沒有什麼比較的價值。把GoogleNet和ResNet比沒什麼可比性。並且，實驗只是為了驗證motivation的工具。
但是，把實驗做的更加solid是author的工作。我遇到過很多次某個idea在某個baseline上work但是在另乙個上提公升有限。有可能是因為實現的問題，。
雖然STOA不是目的，但是STOA至少可以證明author進行充分的比較和實驗。而不報某些number到底是什麼原因，不應該是留給讀者去回答的。
但是這件事情也比較無奈，理想的情況是就算在某些baseline上不work只要我們分析了原因，也應該OK。但是比較GG的是有的reviewer就是說那你這個沒用啊。所以，如果真的是在某些baseline上不太work所以沒報number也可以理解。
6樓：小賴sqLai
順帶幫忙打個廣告吧，如果真的為了衝reid的效能，這兩篇文章是非常值得看和復現的，兩位作者也都在知乎。
Beyond Part Models: Person Retrieval with Refined Part Pooling，作者 @孫奕帆
Learning Discriminative Features with Multiple Granularity for Person Re-Identification @Medivhna
2333，我就猜到18年的cvpr中了這麼多reid的文章，有很多人會不服氣的，尤其是帆哥那篇part model竟然沒中。
怎麼說呢，從效能角度來說，softmax的baseline，帶來的提公升我應該也說過了，主要是加上了bn出現的，實際上沒有bn，而改用dropout的情況下，在market1501上用resnet50的rank1大概是在82左右。而用人臉識別裡的sphereface或者其他後續一系列的改進方法用在reid上時，當不使用bn，無非也就在86左右。
之前群裡有個觀點，reid效能的高低，實際上本身就是因為資料集太小引起的過擬合，很多方法帶來的效能，比如softmax的，當換不同domain的資料集測試時，效能下降會非常明顯，就遠不如triplet based的方法好。
對於研究，我始終很反感那種強行拼stoa的做法。每篇文章的起因是什麼，具體把哪些方法作為自己的baseline，是否針對自己的baseline真的有提公升，是否真的嚴格地控制變數比較了，比如很多文章都是我用了resnet，搞了個loss，效能完爆別人vgg16模型上的另外乙個loss的方法，這種多變數的文章，就屬於灌水性質居多了，我甚至覺得這種文章是連科研最基本的單一變數法都沒學到家。對於研究，在某個特殊的小點上有自己獨到的見解，有實打實的提公升，我個人覺得就未嘗不是一篇好文章了。
另外，吐槽一下cvpr今年reid文章質量，的確不是很高就對了。。
如何看待Jifeng Dai加入商湯科技
商湯科技一看就是一家很有技術很有前途很有背景，應該是現在人工智慧領域的三駕馬車之一，我說有背景是說文化背景的企業，名字就很帥。這位代老師看簡歷是微軟亞洲研究院的資深專家。據說研究人工智慧基礎，在幾何方位變化上有很高的造詣。具體幹什麼我們也看不懂。微軟的亞洲研究院其實很厲害，常聽聞龍吟虎嘯之聲。可能多...
如何看待 CTSC2018 APIO2018 大多數住宿房間只有一張小床？
KSkun 首師大附中 裕龍酒店選手，住在B座。我的雙人房為什麼室友沒有來啊QAQ 乙個人兩張床很寂寞的啊QAQ 看著那張空床位突然就開始傷心啊QAQ CCF這是給我不好的暗示嗎QAQ UPD 網速好評，下行23Mbps 資料來自http speedtest.net 設施好評 UPD 把朋友拉來了，...
如何看待2018考研數學？
上元教育考研輔導 概率這門學科，看似難，實則簡單。因為大家留給概率的時間太少，所以考試看到題之後，會覺得太難。我想對於2019的考生來說，考研數學其實並不難，你抓住數學的本質，理解了數學的概念，定律結論以後。但是數學不能浮躁，一定要腳踏實地，自己把題做出來自己把題推出來，做好歷年真題，把歷年真題能夠...