对于刚入门深度学习的研一新手来说，想要从零开始发一篇论文还是相当有难度的，哪怕是花了很多时间，也不一定会得到自己想要的结果。如果你想快速水出一篇论文，可以按照这五步走。
第一部分：学深度学习基础知识（从0开始），b站上优秀的网课非常多，例如吴恩达、李宏毅、李沐、刘二大人、小土堆、邱锡鹏等等（根据自己的情况来选择）
书籍有鱼书、花书、PyTorch深度学习实战、统计学习方法、利用Python进行数据分析、神经网络与深度学习等等。
论文有CNN、注意力机制、ResNet、Transformer、GAN、RNN、bert、YOLO等经典必读论文。打好深度学习基础、PyTorch常用操作，时间差不多一个月
第二部分：确定课题方向（不要临时换课题），可以是老板、师兄师姐的课题。如果都没有，可阅读一些综述性论文来确定一个大致方向，然后在查找相关方向有哪些分支，比如CV中的分割、检测、分类，NLP中的文本生成、语义分割、情感分析、文本分类等等。
确定好后把该领域常见的基础模型代码弄清楚，在更换自己的数据集跑下熟悉流程，这里在推荐一个找论文和代码的网站：paperswithcode
第三部分：阅读论文，选取baseline，一般找近三年的论文即可，千万不要选太久远的论文，时间长了没人维护很容易出问题，审稿人可能也会说你的对比方法太老，更不要选sota（我们只是为了水一篇论文，不是要发顶刊），打不过的同时也不好优化。最好是那种代码写的优雅、readme写的详细的，更容易复现。
第四部分：对baseline改进，只要对网络结构进行改进，首先弄明白代码的整个运行流程，在去定位到需要改进的部分，把这部分输入输出向量的类型、形状、含义弄清楚，然后就可以加一些模块，例如注意力机制模块、轻量化模块、频域模块、下采样模块等等。
我也收集了这样一份籽料包：YOLO改进策略汇总、项目、小样本目标检测方法汇总
可以关住我的公//粽//呺【迪哥谈AI】回复333 或者V扫描下方二维码无偿获取！
模块加入后效果有提升，就可以做消融实验了，解释为什么加入这些模块效果好，别的训练测试代码什么的都可以不用管，也不用考虑创新性，只要能涨点就行。改网络结构有五种方式：串联、并联、交互、融合、连接
第五部分：写论文（最后一步），把故事讲好，只要结果不是最差的，基本上都能发论文，但更保险的做法是至少你的结果要处于中等水平，为了增加论文的篇幅或者是你改进后模型的说服力，还可以在加一组对比实验。
因为我们还要面临就业、升学等一系列重要的事情，如果不是想要读博也没有必要死磕论文。重心应该放在后期如何找到一份好的工作上
