深度学习创新点不大但有效果，可以发论文吗？

深度学习中创新点比较小，但有效果，可以发论文吗？当然可以发，但如果想让编辑和审稿人眼前一亮，投中更高区位的论文，写作永远都是重要的。

那么怎样“讲故事”才能让论文更有吸引力？我总结了三点：创新的深度与广度、跨领域与应用创新、实验验证的重要性。这么说可能比较抽象，相信我，往下看完就懂了。

另外为了让大家更直观的理解，我特别整理了一份人工智能高质量论文写作模版，可以直接拿来套用。

论文模版+80个即插即用模块+高质量论文合集需要的同学看文末

下面我们进入正题：

1.创新的深度与广度

强调深入理解创新背后的原理：

意思是说我们不仅要看到结果，还得弄清楚为什么会有这个结果。如果我们搞了点小改进，结果变得更好了，那得想想，是因为什么让结果变好了？什么情况下结果会变好，什么情况下又不会变好？还有这个改进方法，在其他类似的地方能不能也用得上？这些问题都可以通过多做实验，多研究来搞明白。这样文章就会比较有意思了，对这个领域也有帮助。

从更广阔的视角分析现有方法：

即使我们做的那些小改进和创新真的很有效果，但写文章的时候不能直接就说“我改了点东西”。我们可以仔细研究A和B这两个模块各自背后代表的思想，通过图表、实验数据分析它们各自的不足，然后再说我想出了xx改进方法。这样一说，别人就知道我们不仅做了改进，还对整个领域有了深入的了解，这样文章价值也提升了。

2.跨领域与应用创新

将创新应用于新的任务或数据集：

不卷主流任务、会议或数据集，而是选择去探索新的任务、数据集或应用，虽然这算是在做应用研究，不过只要我们把研究写得清楚、实用，那么就很可能被合适的会议或期刊接受。但要注意，我们选的这个领域或问题必须是真实存在的，不能凭空捏造，不然会起反作用。而且写的时候，我们要把应用背景讲清楚，让审稿人明白我们做了什么，有什么价值。

创造新的模块、缝合方法或不同场景应用：

这里我们可以考虑三个拓展创新以丰富文章内容的方向：开发新的网络构件（大神的选择）、探索不同的网络架构设计（就是缝模块，比如引入注意力机制增强模型性能），以及不同场景的应用（比如注意力机制从NLP应用到CV）。这里我建议选择第二种，缝模块更高效。具体操作细节在我以前的文章《深度学习水论文怎么缝模块？搭积木永不过时！》有写。

当然缝模块也不是轻轻松松，得先看看别人怎么做，然后根据自己的实际情况再上手。我这边已经整理好了80个常用有效的即插即用模块，包括多尺度、注意力机制、卷积...代码都是可复现的，帮大家节省时间。

3.实验验证的重要性

强调通过大量实验来验证改进点：

在论文中我们可以不提点吗？完全可以。那接下来怎么做呢？其实很简单，根据我们做的改进，多想想，设计更多实验来验证这些方法到底好不好用。即使这篇文章没讲什么新方法，主要就是一堆实验，而且可能大家对这些实验分析的结果都心里有数了，但重点是，我们真的通过实验证明了这些结论，这才是最关键的。代表论文：谷歌Exploring the Limits of Large Scale Pre-training

基于4800多个不同的实验(2974个Vision Transformers，1593个MLP-Mixers，249个ResNet)，对下游(8个不同的任务)与上游的性能进行比较。

实践是检验真理的唯一标准：

在深度学习这块，实践是检验创新的重要武器。我们需要把创新的东西放到各种数据集和环境中尝试，还得考虑伦理和社会的影响，这样才能知道这个创新是不是真的有用、有价值。而且实验过程和结果最好公开透明，这样大家都能看到，这个研究才更可信。

PS：真实的研究成果才有价值，提醒大家一定要保持严谨的研究态度，避免无根据的改进和弄虚作假的行为。

当然了，要想“讲故事”讲的好，不只是学会以上技巧这么简单，还得多看看别人是怎么写的，先学着按别人的套路来，最后找到适合自己的方法，反复训练到纯熟，这样才能干翻别人，成为“头号玩家”。

为了帮大家节省找参考的时间，我专门挑选了一些创新点和写作技巧双佳的高质量论文。希望大家看完能有所收获！

关注下方《学姐带你玩AI》