【博客之星2024】十小大的2024年度总结盘点：一场关于底层视觉领域科研的尽力而为

文章目录

• 开场白
• 年度创作历程
• 学习过程与写博客巧妙融合
• 个人经历
• 个人经验
• 未来计划与展望

开场白

时光荏苒，岁月如梭！

2024年就像一场精彩纷呈的技术盛宴，转瞬即逝，留下了无数闪亮的瞬间与难忘的成就。就像每一行代码的运行，每一次算法的优化，都在默默书写着属于我们的故事。而今天，我们站在2025的门槛上，回望过去的一年，CSDN不仅见证了技术的飞速发展，更见证了无数技术人不懈奋斗的身影——他们用键盘敲打出了一个又一个创新的奇迹，用代码编织了未来的蓝图。

在这里，有掌声，也有挑战；有成就，也有突破。无论是面对技术的高峰，还是解决问题的低谷，2024的每一天，我们都在一起走过。今天，我们将带着满满的回忆，告别2024，迎接崭新的2025。新的一年，让我们继续砥砺前行，向着更高的技术之巅，再次出发！

年度创作历程

十小大的2024年度报告：

此外，2024年我主要更新四个专栏，分别为图像拼接论文精读、图像拼接论文源码精读、超分辨率重建（理论+实战，科研+应用）、Pytorch深度学习图像去噪算法100例（论文精读+复现），涉及的领域与标签为计算机视觉、人工智能、深度学习、pytorch、python、底层视觉、图像拼接、超分辨率重建、图像去噪、论文阅读、论文笔记、论文复现等。

截至本文撰写时刻，具体数据如下：

• 【图像拼接论文精读】发布137篇文章，有106位同学订阅支持，收获1557个收藏；
• 【图像拼接论文源码精读】发布12篇精品代码复现文章，有23位同学订阅支持，收获171个收藏；
• 【超分辨率重建（理论+实战，科研+应用）】发布112篇文章，有152位同学订阅支持，收获759个收藏；
• 【Pytorch深度学习图像去噪算法100例（论文精读+复现）】发布128篇文章，有63位同学订阅支持，收获593个收藏；

2024年我共更新301篇文章，平均质量分94，成功入围2024年博客之星年度评选—创作影响力评审TOP300，并排名23。

官方公示：2024年博客之星年度评选—创作影响力评审入围名单公布

上述成绩离不开CSDN平台的支持，以及读者朋友们的青睐，感谢你们！让我可以坚持不懈地保持创作热情。

学习过程与写博客巧妙融合

吸收知识的过程是输入，写博客的过程是输出。

只输入不输出，对知识的理解粗糙浅显；只输出不输入是悖论，脑袋空空没有可输出的内容。

所以，输入和输出是两遍学习巩固过程，是相辅相成的方法论。

于我具体而言，输入就是看论文，读代码的过程，学习理论与工程实践。输出则是写博客记录，梳理思路，总结精炼的过程，将向内的论文思路转换为向外的博客教程。既提升了自己的科研能力，也服务了还有苦读的师弟师妹们，帮他们少走弯路。

此外，交流互动可以实现教学相长，不仅有助于帮助自己提升表达能力和总结整理能力，完善理解与实践，强化学习成果，还能为同领域的研究者们提供价值，形成良性循环。

个人经历

2023年毕业后，我成为了一名高校老师。身份的转变让我猝不及防，由于前辈们的过往经历和漫天的信息都让我恐惧，即繁杂的琐事会占据大部分时间，而科研时间仅占少数，这与研究生时完全相反。

于是，我开始强迫自己避免成为曾经讨厌的人。为了保持从研究生到老师的科研连贯性，我通过写博客来记录自己的所学所想。有点像刚高考结束步入大一的阶段跳跃，刚上大一的时候学习热情是最高的，往后的大二大三会逐渐消磨掉高考那段日子所养成的学习习惯。工作又何尝不是如此呢？

起初，我只是将笔记记在CSDN的草稿箱中，未曾发出。因为排版也不好看，记录的内容也天马行空，各领域混杂，不成体系，算是想到哪写哪，甚至还包含实验数据。

我最开始是做图像拼接的，一个小众到不能再小众的计算机视觉、计算机图形学、slam等融合掺杂的小研究领域。最初的感受就是知识繁杂且难，学习资料少，教程更是几乎没有，又是极其小众的研究方向，做的人也少，各种困难构筑成泥沙和高墙，可以说是寸步难行。

研究了一段时间后，我逐渐入门，撰写了几篇文章。没想到效果和反响还挺好，有不少同学都有这方面需求。我也因此机缘巧合之下开始了博客之旅。

说来惭愧，我一直觉得写的不够好。一方面是因为文字的表现力远低于视频，文字表达不如音视频更直观，文字是冰冷的，而视频是亲和的，读者对于文字也是犯困的，一篇文章如果不精炼，没有重点突出，还通篇废话的话，后果很显然是灾难性。另一方面，我的文笔以及文字表达能力还有所欠缺，自己理解和让读者理解是完全不同的概念，经常是打字的手跟不上思考的脑子。

但是，有太多的人需要帮助了。

尤其是身份转变之后，茫茫多的研究生，我不想让大家吃我吃过的苦，走我走过的弯路。

哪怕只是尽微薄之力，能帮助到你们一点也好。

都说屠龙者终成恶龙，我看未必。

从小我就不合群，我只做我认为正确的事，哪怕这些事鲜有人做。

不容然后见君子。

个人经验

借此机会将科研经验分享给大家。

科研顺序：

1. 确定研究方向：找领域综述，没有综述或者可以跳过综述，直接找领域内的顶刊顶会论文，重点看摘要，介绍，相关工作等框架部分。从大方向中找自己感兴趣的小方向，比如基于CNN、基于GAN、基于Transformer/Atttention等等更具体的细分。当然，如果有导师指定更好了，省去了通读论文，搜寻信息的过程。
2. 大量读论文，复现源码：读与自己最相关研究方向的顶刊顶会文章，只看有源码的。刚入门建议从易到难来读，否则容易自我怀疑失去动力。分辨难易的程度可以从文章年份来，早期的文章一般比较简单，非常适合入门。这也是我的专栏为什么要按年份给文章目录排序的原因。先看论文理论，再看对应的源码返回来通过源码实现来理解论文中抽象的部分。
3. 读论文：阅读顺序一般为摘要、介绍的最后一段+创新点、Method全部、大概浏览实验中的量化评估、质量评估、消融等内容，相关工作略读。也是通用的论文撰写顺序和审稿顺序。摘要和介绍中找motivation，总览文章要解决什么问题以及文章的类型，是追求SOTA还是创新模型模块结构，抑或是理论基础。通过We proposed a …… 来找文章中提出的方法，来快速定位。Method抓住特征流，从输入到输出看维度变化，不用完全理解理论公式，先看一遍大概有个理解，再从代码中巩固。实验部分看看效果也不用深究，主要学习如何做实验，最后看看有没有什么特别的实验手段来丰富内容。
4. 看代码：核心思想抓住输入和输入，从输入入口开始，总体理解运作规律，然后再模块化地分而治之。深度学习框架大体一致，分为数据预处理、模型实现、训练、推理测试等。从简单的开始，多读几个代码，养成自信，再逐渐增加难度很快就能入门。
5. 找创新：这点比较抽象，看机遇，看运气，看开窍程度。不变的是创新永远是基于阅读量之上的，知道别人的工作机理，才能知道如何改进创新。 可以是缝合模块，可以是创新理论，比如改进损失函数，某些理论等。
6. 时刻记录，贯穿始终。 读论文的过程在写论文时能用上，背景介绍和相关工作的撰写都建立在阅读量的基础上，做实验的过程就更不用说了，写实验部分，指标数据，可视化结果，消融实验，不管失败多少次，即使失败了也要保证实验记录。
7. 论文撰写：列提纲，根据自己做的内容填充每一个小标题下的内容，时刻记录的重要性也在于此，有东西可写，不遗忘。专栏中有具体论文写作提纲，此处不再赘述。

再说点题外话：导师让你看顶刊顶会的文章，并不是只让你看顶会顶刊的文章。这只是一种得其上取其中的办法。永远也不要因为你看了大量的顶刊顶会，就觉得三四区的文章水，大家发论文都不容易。也不要因为这样就要求自己也要发顶刊顶会，从而导致压力过大，三四区也有很多有源码的文章值得我们学习，先做起来，不管什么层次的文章先发出去，先达到毕业要求。由易到难方为上策，一口吃成个胖子对于非天才来说不太现实。

未来计划与展望

1. 2025年，我将继续更新【去噪】【超分】专栏，追踪顶会顶刊论文，补充相关论文的复现。
2. 新的【图像增强】【图像修复】专栏，内容仍以“论文精读+论文复现”的形式呈现。【即插即用模块】专栏将在模块总结提炼后更新。
3. 计划出python相关（pyqt、django）的工程实践类专栏，做一些小项目，小软件，小网站等。
4. 创建底层视觉相关领域的社区，建设沟通交流的平台。

最后，再次感谢CSDN平台，感谢平台对创作者的扶持，感谢平台让读者们学到想学的知识！

2025年，我们继续在路上。

祝大家新年快乐！无限进步！