向王垠致敬。&br&&br&他的很多话，说到了我的心坎里。&br&&br&据我所知，以下都是事实：&ul&&li&学术界通常把发表论文称为“灌水”不是偶然的。&br&&/li&&li&在学术界，真正有创造力的研究者是极少数。&br&&/li&&li&学术界里，充斥着政治、权威、学霸。&br&&/li&&li&大多数论文一旦发表后就被遗忘。&br&&/li&&li&许多研究探索的对象是陈旧或毫无价值的东西，沦为纯粹的理论游戏。&br&&/li&&li&博士、博后是廉价劳动力，是科研民工。&br&&/li&&li&学术研究已被很多人当成追名逐利的一种手段。&br&&/li&&li&MSRA一度为自创的一套泡制论文的武功招式而自鸣得意。&br&&/li&&/ul&&br&所以，我要向王垠致敬。&br&向一肩挑起追寻真理使命的人致敬。&br&向一次次无畏逃离思想牢笼的人致敬。&br&向不断求索事物本质不为浮华所动的人致敬。&br&向敢于独自一人誓从一片混沌中踏出一条新路的孤胆英雄致敬。&br&向以“探索更加广阔的世界，学会新的东西，找到真正值得合作的人，创造真正的价值”为目标的有一颗伟大内心的人致敬。
向王垠致敬。 他的很多话，说到了我的心坎里。 据我所知，以下都是事实：学术界通常把发表论文称为“灌水”不是偶然的。 在学术界，真正有创造力的研究者是极少数。 学术界里，充斥着政治、权威、学霸。 大多数论文一旦发表后就被遗忘。 许多研究探索的对象…
首先给上面所有认为用 Google Scholar 的人都是不懂怎么正经做检索的点反对 + 没有帮助。然后来答一个有点偏题的答案。当然，学科所限，我只能就物理和生物两个领域说一些我自己的感受。而且此处仅限于比较各类电子搜索平台；年龄因素我也不知道查索引是怎么做的了……&br&&br&利益相关： 09 年开始学文献检索，一直到 12 年基本集中地用 WoS, 惯用复杂检索式，自以为搜索效率不算低。之后偶然发现 Google Scholar 非常好用（其实 10 年的时候就用过几次 Scholar, 但那个时候或许因为太新，搜索效果差强人意就没有多用），切换平台使用至今。&br&&br&另外，中间一大段都是很 pedantic 的内容，为了有理有据反驳用的。如果只是想站队点个赞同或者反对直接拉到底看我吐槽即可。反正我是 Scholar 脑残粉，你来折叠我呀~&br&&br&据说中心句要加粗：&b&Google Scholar 明显加速了如今搜索文献的速度和精确度，而且保留了传统电子文献搜索平台有的绝大多数 features. 所以现在 Google Scholar 可以取代大多数的文献搜索平台，而且简化了人们的操作；但原本在各个文献搜索平台上的搜索方式依旧可以在 Google Scholar 上使用，而且特定情况下还能进一步提高搜索效率。&/b&&br&&br&先说 Google Scholar 独特的优势吧。&br&&br&优势一：基于强大搜索算法，用 Google Scholar 搜文章即使不掌握搜索技巧甚至不记得想搜的具体细节，大多数情况下也能找到自己想要的内容。&br&比如，如果记不清是什么文章，输入一两个关键词就能定位文章。我这里用 WoS 做个对比——没有看不起 WoS 的意思，我当年学文献检索的时候也是从 WoS 起步的。&br&随手搜一篇文章吧：&a href=&///?target=http%3A///science/article/pii/S3747& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/scien&/span&&span class=&invisible&&ce/article/pii/S3747&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&，标题是&Phenotypic landscape of a bacterial cell&&br&一篇 11 年的 Cell 文章，我在 Google Scholar 里面，直接输入我记忆中的关键词：Phenotypic landscape nature （没错，我记得那好像是发在 nature 上的，但 Google 告诉我你记错了……）。然后 Google Scholar 得意地在第一个结果显示了我想找的文章，然后第二篇才是 nature 文章。截图为证：&br&&img src=&/e65b60c7d70a8216abe74c0b5aa3de08_b.jpg& data-rawwidth=&2156& data-rawheight=&1228& class=&origin_image zh-lightbox-thumb& width=&2156& data-original=&/e65b60c7d70a8216abe74c0b5aa3de08_r.jpg&&然后去 WoS （&a href=&///?target=http%3A///UA_GeneralSearch_input.do%3Fproduct%3DUA%26search_mode%3DGeneralSearch%26SID%3D4Em6hsV5oEcKbjjimXs%26preferencesSaved%3D& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Web of Science [v.5.16.1]&i class=&icon-external&&&/i&&/a&）搜索。简单粗暴地在搜索框输入相同检索词，第一屏连“phenotypic landscape”两个词同时出现在标题里的结果都没有。删掉 nature 这个错误的关键词，还是没有。我把搜索范围从 Topic 改成 Title 总该有了吧？抱歉，第一屏还是没有。（顺便吐个有点无关的槽，WoS 默认搜索结果排序居然是按照日期而非按照相关度……简直让人无话可说。）为了确认 WoS 确实收录了这篇文章，我选择 Title, 输入完整的标题，终于找到了……嗯，要是没有 Google Scholar, 我记不住整个标题恐怕就只能翻上十页八页来找我认识的那篇文章了。&br&&br&优势二：引用操作方便。在上面搜索页面中，直接点 cite, 出来这样一个窗口：&br&&img src=&/ccd597be33926_b.jpg& data-rawwidth=&1640& data-rawheight=&1008& class=&origin_image zh-lightbox-thumb& width=&1640& data-original=&/ccd597be33926_r.jpg&&直接给了几个标准引文方式，也可以导出到 BibTeX, EndNote 等等。WoS 只支持 Endnote 和 RefWorks 而且没有可以直接复制的格式，当年我用 LaTeX 写本科毕业论文的时候就被恶心过。&br&&br&优势三：Google Scholar 收录的文献库比较全，而且更新更加及时。基本上前一天 online 的文章，第二天就能在 Scholar 上搜到。这个时间和广度是大多数专注几个杂志的文献搜索平台做不到的。&br&&br&优势三点五（我觉得这个不算一个正经的优势）：快速！一是方便，直接在浏览器地址栏输入，Google 就会自动给一个跳转到 Google Scholar 的链接，点进去即可；二是搜索时间短，WoS 基本来说点个搜索会卡三五秒，Scholar 通常立马给结果。&br&&br&&br&+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++&br&&b&下面回答正题。没有 Google Scholar 的时候大家怎么搜索文献。基本复述当年文献检索课的内容了。&/b&&br&&br&第一，入门方法。在 WoS 首页就是一个 Basic search 的方法，可以自己选定多个 fields 以及各个 fields 之间的逻辑关系。基本就是说标题包括什么内容啊，作者是谁啊，或者内容中一定不要包括某个内容啊，出版时间啊等等等等。&br&&img src=&/e692c789c63d1a82609f_b.jpg& data-rawwidth=&2042& data-rawheight=&818& class=&origin_image zh-lightbox-thumb& width=&2042& data-original=&/e692c789c63d1a82609f_r.jpg&&听起来好像比直接在 Scholar 的搜索框里面输入一大坨字要高端？嗯，如果你点击 Scholar 搜索框右边那个小箭头，会跳出来这样一个表单：&br&&img src=&/612ea4f7e06b_b.jpg& data-rawwidth=&1218& data-rawheight=&864& class=&origin_image zh-lightbox-thumb& width=&1218& data-original=&/612ea4f7e06b_r.jpg&&是不是发现该有的选择都有了呀？而且 Google Scholar 的容错率比较高，你记不清作者名字的拼写了凭借印象写一个基本也能出来。而 WoS 这方面就有限了。&br&&br&第二，进阶方法。在 WoS 里面，从 Basic Search 右边的小箭头进去，可以换到 Advance Search, 利用检索式来搜索。我个人曾经很喜欢用这个方法，因为一是可以直接输一大串东西，不用一格一格慢慢填还要鼠标点来点去，二是可以炫(zhuang)技(bi)。&br&举个例子，还是刚才那篇文章。比如我碰巧还记得通讯作者是 C. Gross （人家目前都算我半个导师了我能不记得……），那么检索式可以这么写（WoS 格式，不同数据库关键字定义可能有所不同）：TI=(phenotypic AND landscape) AND AU=Gross C，然后输进去按一下搜索，就能找到结果啦。很高端很酷炫是吧？Google Scholar 表示，其实你都可以直接在我的搜索框里这么写的。当然，稍微改一下关键字，就是这个样子：allintitle: phenotypic landscape + author:Gross. 嗯，结果相同。&br&&br&基本就是这样咯。复述一遍结论，Google Scholar 干的事情，以前大部分电子文献检索库都能做个七七八八，但是 Google Scholar 可以做得更简洁更高效更优雅。&br&&br&***以下为吐槽，请勿自行代入，否则后果自负***&br&私心揣测那些说 Google Scholar 不好用而且一点理由都不加的人都是从来没用过 Google Scholar 呢吧？要么就是只知道 Google 不知道有 Scholar 的存在。不知道 Scholar 被封和那些认为 WoS 比 Scholar 好用的人有没有关系……&br&&br&说 Google Scholar 不专业？人家收录的数据库至少在生物和物理方面我还没发现有啥我需要的没收录；另外现在增加了中文、日文、韩文等等等等的数据库，传统的那些数据库还是很难比吧？还是说不专业的原因是觉得 Scholar 只用输几个词而用 WoS 可以用复杂检索式来体现自己科班出身？不嫌麻烦的话 Scholar 也可以用检索式呀，我也会偶尔在 Scholar 里面用检索式啊，只是我不用检索式也基本都能搜到想搜的东西，那天天用检索式图什么？炫技？火柴都发明了这么多年了，还有人愿意钻木取火我也没法反对。&br&&br&如果认为所谓“professional”就是用复杂而没有必要的方法来达到自己的目的并体现“高端”，那走好不送。&br&&br&用“我们专业的 Google Scholar 就是不好用”这种话来堵我的，请列出贵专业重点期刊中没被 Scholar 收录的内容，我可以帮您转发 Google 相关部门，我相信他们会很愿意尽快更新的。&br&&br&另外，我们专业大家都用 Scholar, 教授们电脑上 Scholar 页面都是常开的（补充一点，我们系去年 US news 排名第五），这样够不够？
首先给上面所有认为用 Google Scholar 的人都是不懂怎么正经做检索的点反对 + 没有帮助。然后来答一个有点偏题的答案。当然，学科所限，我只能就物理和生物两个领域说一些我自己的感受。而且此处仅限于比较各类电子搜索平台；年龄因素我也不知道查索引是怎…
&p&&strong&昨天在移动硬盘里，发现了自己以前整理的一个资料。看看能不能帮上忙。。。&/strong&&/p&&br&&p&&strong&为了字数&/strong&&/p&&p&a.
例子&/p&&p& i.
正反组队&/p&&p&ii.
梯进－初级－高级&/p&&p&iii.
年代&/p&&p&iv.
中外&/p&&br&&p&b.
化零为整&/p&&p& i.
把大观点拆分小观点&/p&&p&ii.
比较，列表，曲线&/p&&br&&p&&strong&自己&/strong&&strong&观&/strong&&strong&点&/strong&&/p&&p&a.
paraphrase&/p&&p&o
换位置&/p&&p&o
变重点&/p&&p&o
换词&/p&&p&o
找精华&/p&&p&o
例子结合当下&/p&&p&b.
一根筋死磕－有了自己的研究，找论据自己写&/p&&p&c.
老夫老妻吵架法&/p&&p&o
挑战学术泰斗，完全反着别人的观点写&/p&&br&&br&&p&［八小时论文速成］&/p&&p&1.
选定选题－半小时10%&/p&&p&2.
结构大纲。到二级标题。－1小时 30%&/p&&p&3.
填充学术观点。60%－2小时&/p&&p&4.
论据，资料。1万字的论文4个例子，example时候记得写自己要证明什么3小时。90%&/p&&p&5.
学术引用，reference。95% 半小时&/p&&p&6.
美化。格式，错别字，卖萌。&/p&&br&&br&&br&&p&2．&strong&制定&/strong&&strong&产&/strong&&strong&出目&/strong&&strong&标&/strong&&strong&而不是&/strong&&strong&输&/strong&&strong&入目&/strong&&strong&标&/strong&&strong&。&/strong&&strong&“&/strong&&strong&我要学&/strong&&strong&习&/strong&&strong&三小&/strong&&strong&时&/strong&&strong&”&/strong&&strong&是一种幻&/strong&&strong&觉&/strong&&strong&，而&/strong&&strong&“&/strong&&strong&我要写出双倍行距的三&/strong&&strong&页&/strong&&strong&文章&/strong&&strong&”&/strong&&strong&才是目&/strong&&strong&标&/strong&&strong&。&/strong&&/p&&p&詹姆斯·布坎南（James Buchanan）在1986年获得诺贝尔经济学奖。他向求职者提的问题之一是“10年后可能还有人阅读的你的作品是什么？100年后呢？”&/p&&br&&br&&p&选熟悉－厚积薄发&/p&&p&关注度高，找挑战，抓热点&/p&&p&每人写的角度和观点，语不惊人死不休&/p&&p&找好文章借鉴&/p&&p&观察反馈数据&/p&&p&————————————————————————————————&/p&&p&来更新了。。&a href=&/question/?utm_source=weibo&utm_medium=weibo_share&utm_content=share_question&utm_campaign=share_sidebar& class=&internal&&在国外留学文科生如何答题？（已附上我自己的笔记，希望大家可以添加更多内容） - 考试&/a& 此处含我校内部文件和老师上课的简单分析，来减少留学文科生的焦虑～&/p&
昨天在移动硬盘里，发现了自己以前整理的一个资料。看看能不能帮上忙。。。 为了字数a. 例子 i. 正反组队ii. 梯进－初级－高级iii. 年代iv. 中外 b. 化零为整 i. 把大观点拆分小观点ii. 比较，列表，曲线 自己观点a. paraphraseo 换位置o 变重点o 换词o 找…
&p&上学期计概实验班期末大作业写了两个东西，第一个类似于这个。&/p&&p&其实就是用OpenCV完成的配件相机，大概做了这么一些事情：&/p&&br&&img src=&/v2-baafebe1e0e9dee2efb63a_b.png& data-rawwidth=&1024& data-rawheight=&660& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/v2-baafebe1e0e9dee2efb63a_r.png&&&p&&b&&u&&i&效果大概是这样的：（贴到底下）&/i&&/u&&/b&&/p&&p&&b&&u&&i&在这之前没有用过OpenCV，学习过程放在最后。&/i&&/u&&/b&&/p&&p&&b&&u&&i&确实，直接调用OpenCV的人脸检测模块并不很难，但是了解背后的原理的人并不很多。作为一个经典的二十年来一直表现优异的训练-识别算法，AdaBoost背后还是有很多可以学习的思想；其中的一些思想方法，在今天的深度学习人脸检测中仍然得到应用。&/i&&/u&&/b&&/p&&h2&&b&1 首先要明确“人脸检测”和“人脸识别”&/b&&/h2&&img src=&/v2-210c9f3b335eea7bef43_b.png& data-rawwidth=&2280& data-rawheight=&1596& class=&origin_image zh-lightbox-thumb& width=&2280& data-original=&/v2-210c9f3b335eea7bef43_r.png&&&br&&p&人脸检测实现的是“这张图里有没有人脸”以及“如果有的话哪里是脸”，而人脸识别做的是“这个人是谁？”。&/p&&p&我的大作业只涉及人脸检测，不涉及人脸识别；从题主的提问来看，应该是要做人脸检测；@&b&&a href=&/people/jasonleaster& class=&internal&&jasonleaster&/a& 的代码做的是人脸检测，不是人脸识别。&/b&&/p&&h2&&b&2 人脸检测的几种方法&/b&&/h2&&img src=&/v2-e34bf9ae0d25afc194730e_b.png& data-rawwidth=&1188& data-rawheight=&764& class=&origin_image zh-lightbox-thumb& width=&1188& data-original=&/v2-e34bf9ae0d25afc194730e_r.png&&&p&1.1实在是太过Naive，1.2无法应对千变万化的人脸，解决方法是设置各器官尺寸、位置、角度可变的“弹性模板”，但“弹性”导致计算时间增加，无法实现实时性。&/p&&br&&img src=&/v2-1ffbfc1a75a65c45baf3fa_b.png& data-rawwidth=&1154& data-rawheight=&778& class=&origin_image zh-lightbox-thumb& width=&1154& data-original=&/v2-1ffbfc1a75a65c45baf3fa_r.png&&&br&&p&皮肤颜色只是我们为了解决问题方便利用的一个模型，不是人脸的本质特征。易受人种／年龄／光照影响。更矬的是当背景颜色和皮肤颜色很相近时的误判。但这已经是一个比较成熟、得到实际应用的方法。&/p&&br&&img src=&/v2-eb09a64aff673d9d469c8c5d04952bad_b.png& data-rawwidth=&1186& data-rawheight=&770& class=&origin_image zh-lightbox-thumb& width=&1186& data-original=&/v2-eb09a64aff673d9d469c8c5d04952bad_r.png&&&p&喜闻乐见，这是一条靠谱的路。其中很有代表性的是Boosting方法。在深度学习一统天下之前的很多年里，他都是表现最好的算法，也是OpenCV采用的人脸检测方法。&/p&&h2&&b&3 AdaBoost&/b&&/h2&&img src=&/v2-8b377a39aa0a_b.png& data-rawwidth=&1138& data-rawheight=&854& class=&origin_image zh-lightbox-thumb& width=&1138& data-original=&/v2-8b377a39aa0a_r.png&&&br&&img src=&/v2-02edcf68bb1ec84b7251ecdce5552e00_b.png& data-rawwidth=&1192& data-rawheight=&840& class=&origin_image zh-lightbox-thumb& width=&1192& data-original=&/v2-02edcf68bb1ec84b7251ecdce5552e00_r.png&&&br&&p&AdaBoost是一种算法（解决问题的架构），应用于人脸检测时就需要用到Haar特征（对问题的刻画）。&/p&&br&&img src=&/v2-649b417f45d709ee4dd4c175f736654f_b.png& data-rawwidth=&2286& data-rawheight=&1586& class=&origin_image zh-lightbox-thumb& width=&2286& data-original=&/v2-649b417f45d709ee4dd4c175f736654f_r.png&&&br&&img src=&/v2-981deff2af2e5a567eda5ad_b.png& data-rawwidth=&2560& data-rawheight=&1600& class=&origin_image zh-lightbox-thumb& width=&2560& data-original=&/v2-981deff2af2e5a567eda5ad_r.png&&&br&&img src=&/v2-c975ab3d53_b.png& data-rawwidth=&2558& data-rawheight=&1596& class=&origin_image zh-lightbox-thumb& width=&2558& data-original=&/v2-c975ab3d53_r.png&&&p&我们都知道，眼睛跟眼窝相比，眼睛更黑。我们定义一个阈值K，当一张使用（上黑下白）的矩形特征模板进行运算（白色区域的像素和 – 黑色区域的像素和），如果运算的结果&=K时，我们就认为找到了眼睛。&/p&&p&有的人就反对了，凭什么你用一个矩形特征模板运算得到一个结果&=K就算找到眼睛了，万一我这个图像就是一个区域上面是黑的，下面是白的呢？&/p&&p&不要着急，我们再使用第二个矩形特征模板对这块区域进行验证，是不是能增加可靠度呢？如果再用其他的矩形特征模板验证，是不是还可以增加可靠度呢？如果再换个区域，再换个矩形特征模板再验证，是不是还可以增加可靠度呢？&/p&&p&通过改变特征模板的大小和位置，可在图像子窗口中穷举出大量的特征。对于一个给定的24*24像素的人脸图像，根据不同的位置，以及不同的缩放，可以产生160,000个特征。&/p&&p&有这么多的特征，我想这个时候的精确度应该已经很高了，但是同时其他问题也出现了——运算速度。&/p&&br&&img src=&/v2-8f532e85bc4d8d8e2e1f7_b.png& data-rawwidth=&2560& data-rawheight=&1600& class=&origin_image zh-lightbox-thumb& width=&2560& data-original=&/v2-8f532e85bc4d8d8e2e1f7_r.png&&&p&一维的情况下通过预处理前缀和我们可以O(1)查询连续区间和，二维同样，即为积分图（如右下图公式所示）&/p&&br&&p&积分图用于快速求矩形和，在一遍预处理后可以做到O(1)计算，极大的加速了计算过程，是HaarLikeFeature成功应用的关键，可以达到实时的要求（比如自拍相机）&/p&&p&下面展示了我们怎样通过决策树完成决策（有没有人脸？）：&/p&&br&&img src=&/v2-d3fbcc7814795_b.png& data-rawwidth=&1178& data-rawheight=&848& class=&origin_image zh-lightbox-thumb& width=&1178& data-original=&/v2-d3fbcc7814795_r.png&&&br&&img src=&/v2-e6f1b010d6c38eea7b7de2b_b.png& data-rawwidth=&1226& data-rawheight=&874& class=&origin_image zh-lightbox-thumb& width=&1226& data-original=&/v2-e6f1b010d6c38eea7b7de2b_r.png&&&p&下面就是问题的关键：怎样设置Haar特征的排布方式和阈值，使得每一层都有一些非人脸被筛掉？AdaBoost：用一个标注过的样本集训练。&/p&&br&&img src=&/v2-0d38c99cbcee7ca8e57f8f2_b.png& data-rawwidth=&1188& data-rawheight=&764& class=&origin_image zh-lightbox-thumb& width=&1188& data-original=&/v2-0d38c99cbcee7ca8e57f8f2_r.png&&&p&最初的弱分类器可能只是一个最基本的Haar-like特征，计算输入图像的Haar-like特征值，和最初的弱分类器的特征值比较，以此来判断输入图像是不是人脸，然而这个弱分类器太简陋了，可能并不比随机判断的效果好，对弱分类器的孵化就是训练弱分类器成为优化弱分类器，注意这里的优化不是指强分类器，只是一个误差相对稍低的弱分类器，训练弱分类器实际上是为分类器进行设置阈值的过程。&/p&&br&&img src=&/v2-264b1ef572_b.png& data-rawwidth=&1232& data-rawheight=&876& class=&origin_image zh-lightbox-thumb& width=&1232& data-original=&/v2-264b1ef572_r.png&&&p&r可以看成是对有序性的衡量（有序才能通过阈值判断）。&/p&&p&在表中寻找r值最小的元素，则该元素作为阈值。有了该阈值，我们就完成了设置，得到了一个优化弱分类器。下面看整个过程中怎么把优化若分类器进行组合&/p&&br&&img src=&/v2-3508f78efdc_b.png& data-rawwidth=&2560& data-rawheight=&1600& class=&origin_image zh-lightbox-thumb& width=&2560& data-original=&/v2-3508f78efdc_r.png&&&p&每一轮都把上一轮不能正确判断的样本权重提高，加强薄弱环节。&/p&&p&最后再综合评价每个优化分类器在整个过程中的表现，考察它是不是有保留的价值。&/p&&br&&img src=&/v2-774b2a3b5f2ab3f3bb1666feedec394f_b.png& data-rawwidth=&600& data-rawheight=&399& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/v2-774b2a3b5f2ab3f3bb1666feedec394f_r.png&&&br&&p&通过“三个臭皮匠顶个诸葛亮”的团结合作精神和民主科学的投票表决我们得到了一个优越的强分类器。 &/p&&p&然而在现实的人脸检测中，只靠一个强分类器还是难以保证检测的正确率，这个时候，需要一个豪华的阵容，训练出多个强分类器将它们强强联手，最终形成正确率很高的级联分类器这就是我们最终的目标Haar分类器。&/p&&p&配置的强分类器还是相当局部化的。训练的时候用的照片一般都是20*20左右的小图片，所以对于大的人脸，还需要进行多尺度的检测。多尺度检测机制一般有两种策略，一种是不改变搜索窗口的大小，而不断缩放图片，这种方法显然需要对每个缩放后的图片进行区域特征值的运算，完全没有体现出积分图的作用，而另一种方法，是不断初始化搜索窗口&i&size&/i&为训练时的图片大小，不断扩大搜索窗口，进行搜索，解决了第一种方法的弱势。&/p&&br&&img src=&/v2-0da3e008abc3fc568560cd_b.png& data-rawwidth=&1214& data-rawheight=&870& class=&origin_image zh-lightbox-thumb& width=&1214& data-original=&/v2-0da3e008abc3fc568560cd_r.png&&&br&&img src=&/v2-9ad89c25cfbbd428c8c1466e_b.png& data-rawwidth=&1198& data-rawheight=&898& class=&origin_image zh-lightbox-thumb& width=&1198& data-original=&/v2-9ad89c25cfbbd428c8c1466e_r.png&&&br&&img src=&/v2-b785c762f64a6b263e3820542dcce5f5_b.png& data-rawwidth=&1156& data-rawheight=&860& class=&origin_image zh-lightbox-thumb& width=&1156& data-original=&/v2-b785c762f64a6b263e3820542dcce5f5_r.png&&&br&&img src=&/v2-16bc15cbed5cce7074f2ae_b.png& data-rawwidth=&1208& data-rawheight=&852& class=&origin_image zh-lightbox-thumb& width=&1208& data-original=&/v2-16bc15cbed5cce7074f2ae_r.png&&&p&AdaBoost最难处理的两个平衡&/p&&br&&img src=&/v2-31486f70efc9f3e25ccb7bcc987171ce_b.png& data-rawwidth=&1218& data-rawheight=&896& class=&origin_image zh-lightbox-thumb& width=&1218& data-original=&/v2-31486f70efc9f3e25ccb7bcc987171ce_r.png&&&p&算法当年可是压倒性的各种牛逼&/p&&h2&&b&4 清楚原理之后再看OpenCV的级联检测&/b&&/h2&&img src=&/v2-0d060ecf9ad50ec35ee4a5f159a0cba1_b.png& data-rawwidth=&1600& data-rawheight=&1154& class=&origin_image zh-lightbox-thumb& width=&1600& data-original=&/v2-0d060ecf9ad50ec35ee4a5f159a0cba1_r.png&&&p&每个XML文件里都是训练好的分类器参数，可以直接调用。&/p&&h2&&b&5 代码&/b&&/h2&&img src=&/v2-3f22da37b8aab1cdf0ef53bcb7b9d8d5_b.png& data-rawwidth=&1024& data-rawheight=&556& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/v2-3f22da37b8aab1cdf0ef53bcb7b9d8d5_r.png&&&br&&img src=&/v2-fae2f53c708eee641f214_b.png& data-rawwidth=&1024& data-rawheight=&529& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/v2-fae2f53c708eee641f214_r.png&&&p&加配件：&/p&&br&&img src=&/v2-f0cb6d43adc1fae071c6096_b.png& data-rawwidth=&1024& data-rawheight=&464& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/v2-f0cb6d43adc1fae071c6096_r.png&&&p&滤镜&水印（滤镜都用OpenCV手写）：&/p&&br&&img src=&/v2-e01955dbff6ff76d9ddd01_b.png& data-rawwidth=&1024& data-rawheight=&350& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/v2-e01955dbff6ff76d9ddd01_r.png&&&h2&&b&6 学习过程&/b&&/h2&&p&C++是本来就会的，入门OpenCV花了半天，理解AdaBoost算法+写讲稿用了半天。写这个例子用了一天（AdaBoost非手写实现），觉得这是一个很有趣的过程。&/p&&p&OpenCV0基础入门不建议看官方文档。可以先看于老师的教程，兼有可靠性、趣味性。跟着实现几个自己的idea之后，可以跟着官方文档探索性学习～&/p&&p&&a href=&///?target=http%3A//www./forum.php%3Fmod%3Dviewthread%26tid%3D33549& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&《OpenCV入门教程》 - OpenCV新兵 - OpenCV中文网站 - Powered by Discuz!&i class=&icon-external&&&/i&&/a& &/p&&p&谢谢于老师！&/p&&p&这个例子之后，又花一天用OpenCV写了大作业的第二块：授课视频的关键帧识别（PPT切页检测），感觉在实战中进步是最快的。&/p&&h2&&b&7 效果&/b&&/h2&&br&&img src=&/v2-b8214aac09037c8fdacf54_b.png& data-rawwidth=&1280& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&/v2-b8214aac09037c8fdacf54_r.png&&&br&&img src=&/v2-462ab047dd_b.png& data-rawwidth=&1280& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&/v2-462ab047dd_r.png&&&br&&img src=&/v2-48ffd1bdb79a1_b.png& data-rawwidth=&1280& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&1280& data-original=&/v2-48ffd1bdb79a1_r.png&&&p&和室友（拍这张的时候皇冠忘了处理一下）&/p&&p&和妈咪，素描滤镜&/p&&p&和女票，自动补强光&/p&&p&╮(￣▽￣&&)╭&/p&&h2&&b&八 后来&/b&&/h2&&img src=&/v2-be0e80ed85e8f752c60eb53c29684e87_b.png& data-rawwidth=&1398& data-rawheight=&998& class=&origin_image zh-lightbox-thumb& width=&1398& data-original=&/v2-be0e80ed85e8f752c60eb53c29684e87_r.png&&&br&&img src=&/v2-df44bda8c699f4df2aa5a_b.png& data-rawwidth=&1366& data-rawheight=&1016& class=&origin_image zh-lightbox-thumb& width=&1366& data-original=&/v2-df44bda8c699f4df2aa5a_r.png&&&br&&img src=&/v2-0d9b42c4d454cad83ce3d_b.png& data-rawwidth=&1412& data-rawheight=&1034& class=&origin_image zh-lightbox-thumb& width=&1412& data-original=&/v2-0d9b42c4d454cad83ce3d_r.png&&&br&&img src=&/v2-6dabfd4a51ef20dec881c318cb8ed749_b.png& data-rawwidth=&1404& data-rawheight=&1024& class=&origin_image zh-lightbox-thumb& width=&1404& data-original=&/v2-6dabfd4a51ef20dec881c318cb8ed749_r.png&&
上学期计概实验班期末大作业写了两个东西，第一个类似于这个。其实就是用OpenCV完成的配件相机，大概做了这么一些事情： 效果大概是这样的：（贴到底下）在这之前没有用过OpenCV，学习过程放在最后。确实，直接调用OpenCV的人脸检测模块并不很难，但是了解…
受邀。但本人一向答非所问。&br&&br&一、&br&&br&有很多这类问题：&br&文章署名为什么是这个原则？&br&为什么研究结果一定要发到那些期刊上？直接在网上放出来不行吗？&br&什么是同行评议？现在的同行评议还有效吗？&br&影响因子重要吗？为什么？&br&……&br&然后也包括本问题。&br&&br&&blockquote&&img src=&/6f98d4f1e3a822cdab15c_b.jpg& data-rawwidth=&227& data-rawheight=&230& class=&content_image& width=&227&&&b&在仅有6平方米的小屋里，陈景润坚持埋头于哥德巴赫猜想的研究，经过艰苦的努力，终于取得了震惊世界的成就。在“文革”刚刚结束的那个“科学的春天”里，陈景润成为激励广大青年向科学进军的旗帜。&br&&/b&&a href=&///?target=http%3A///01ds//GB/191%255EDS609.HTM& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/01ds//&/span&&span class=&invisible&&GB/191%5EDS609.HTM&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&/blockquote&&br&这些问题的产生原因是今时今日科学研究的建制（infrastructure）已经跟法拉第时代很不一样了。它发展到今天这一步，也可以说是“悄悄地”，因此公众（尤其是深受八十年代“科学的春天”报告文学影响的中国公众）并不了解这个发展过程。研究生是从公众角色进入科研角色的一个过程，但是，很少课题组会正式地给新进来的研究生概述现代科学研究组织模式的全貌。我们都明白，很多行业都有理想与实践的区别。但是，对于医生警察律师扫大街等大众十分熟悉的行业，理想的情况是什么，大家都很清楚。因此，一旦身为医生或警察，虽受制于现实的不完美，但心中至少很清晰那个尽量要达到的理想状态是什么。但现代科研事业的情况有点不一样。研究生们很可能一直都没有被正式的呈现一个完整的是非观和分寸（理想的），他们只能看自己的导师和别人的导师、自己的师兄师姐、其他课题组的同学等等来模糊地定位。因此就造成了，研究生群体中关于科研事务和与科研有关的人际关系的是非价值观非常混乱。他们向导师提出的期望和要求，很可能自己都不清楚理由在哪儿；同理，他们想拒绝导师的期望和要求，也不清楚是否有理。对于不同的研究生，觉得怎样算合理，十分依赖于他们的经历和见闻。的而且确，科学研究的优良传统的传承非常依赖于导师到学生这条路径。往往导师在大谈科学研究之道时，引用最多的还是他当初的导师如何。尤其是在科学研究的模式严重异化了的现代，那种旧时的传统的传承就更加脆弱了。因此，优秀的研究生院和实验室，都会撰写一些当前科学研究模式和角色扮演的常识性内容，供初入科研大门的研究生学习，并作为一种是非参考座标来比对他们将来在实践中看到的人与事。例如中文网络上一度流传甚广的麻省理工大学人工智能实验室编写的“如何做研究”：&a href=&///?target=http%3A//www.cs.indiana.edu/mit.research.how.to.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&How To Do Research In the MIT AI Lab&i class=&icon-external&&&/i&&/a&。你可以看到作者是“a whole bunch of current, former, and honorary MIT AI Lab graduate students”。这说明，在新的形势下，到底怎样做是对的，怎样做合适，无非不过是大家形成的一种共识。固然有一定程度的空间可以供你问“为什么”，但无限问到底的话，也就只能是“共识”而已。凡这类资料，里面很可能会包括“发表论文”这一章，“导师”这一章、“师兄师姐”这一章、“会议报告”这一章，其实是一些FAQ，用于回答本文开头列举的那一大堆“为什么”。&br&&br&二、&br&&br&现代科学研究的一个非常重要的特点是：它是一项职业。是职业，就要考核绩效，就要评级分高下。于是，影响因子、H因子等等事情就都出来了。因此，在当今科学研究圈子里，publish or perish是一个无奈但难以破解的主题。其实，若不是因为这个，论文大可以一稿多投，而且也应该一稿多投。我发现了一个新现象，为了最多的人能够最快看到，不就一稿多投了么。我一稿多投伤害了谁吗？无非是因为发表的论文数是评价科研能力高下的重要参考——于是也是决定科研人员升迁的重要参考，所以才使一稿多投行为变成一种不公平的行为，变成拼升职可以不拼原创工作积累，而是去把一稿N投的N最大化了。事实上，科学论文的读者只关心论文的内容，及其真实性，它并不关心作者本人能力是否高，是否教授——这无非是作者本人才关心的事情。&br&&br&科研的职业化还造成很多其他的无奈的扭曲，但这些扭曲都还没严重到危害科学研究的结果。因此大家在目前的科学研究模式中都处一种两难中找平衡的状态。这就更要求从业人士对科学研究本身的宝贵传统和理想情况十分清晰，否则很容易失衡（中国的情况）。&br&&br&三、&br&&br&现在才稍微谈谈本问题的话题。期刊是从纸时代发展过来的模式。在当时，你必须订阅，才能看到发表在期刊上的论文。为节省金钱，既有课题组集体订阅，也有图书馆订阅的方式。个人订阅也是可以的，特别是像&i&Science&/i&这种。&br&&br&科学研究成果很讲究尽快发表，所以从传统上除了full articles之外还有letters、communications等体裁。这是害怕自己失去了第一发现权。为此除了要快之外，也希望能尽量广地宣传，让大家知道这个已经做出来了。所以从科学研究的初衷（理想）来讲，为何更倾向于论文能发表在&i&Science&/i&或者&i&Nature&/i&，最初都是因为这些期刊的发行量够大。而作为这些期刊的编辑，自然会比其他发行量少的期刊收到更多的投稿。很自然，期刊是要以保住订阅数为第一原则的（这跟电视台要保住收视率相似），因此，遴选稿件的原则就是选择足够重要的研究成果予以发表。何谓“重要”，据&i&JACS&/i&主编的说法，那就是具有“broadest interest”的研究成果，越是能让更多其他研究方向的人对你的研究成果感兴趣越好；那些具有深入的analysis但只兴趣范围局限于行内的paper，非常好，鼓一百个掌，但不够“重要”（&i&JACS&/i&主编观点，相信也代表着很多高影响期刊主编的观点）。可以看到，这样定义“重要”，是纯粹有利于期刊的一种定义，broad interest的结果直接就是订阅数量的提高。订阅数量提高了，就使得更多人愿意把稿件投到该杂志，该杂志能够选出更“重要”的研究，“档次”于是也越来越高了。&br&&br&假如科研没有职业化，没有publish or perish定律的统治，这样的情况也无甚不可。扎实的，对本专业研究有基础性贡献的常规研究成果，虽没办法发表在&i&Nature&/i&/&i&Science&/i&，但也不会对作者造成什么损失。在很多研究领域的内部，一些发表此类常规论文的期刊，更受业内人士的尊重（例如高分子领域之对于&i&Macromolecules&/i&）。但是在publish or perish的统治下，情况就有所扭曲了，特别是在中国。因为大家不得不尽量使得自己的研究成果不是更深入，而是更花哨。商业期刊也乐于发表这样的论文。影响因子上去了，是作者和出版商都皆大欢喜的事情。但是这就带动了一大批参考性有限、为发表而发表的论文充斥在当今的论文海洋中。我们发现，发表的paper真是越来越多，还真幸亏有了RSS和Google Reader，且哪怕如此那个inbox的计数还是长期显示1000+——已经坚持每天敲空格消灭一批了。所以我们今天是很难想象在那没有网络和搜索引擎、更没有RSS的时代，研究人员如何进行literature survey。只能说在那个时代，大家只会关注行内几个重要期刊，也只希望自己的成果发表那几个期刊上，至于在世界的角落还有哪个论文可能已经论述某问题，人们实在关心不了，也就等于没发表了。&br&&br&四、&br&&br&所以，期刊的存在，帮助了研究人员更快更广地宣传自己的研究成果。满足了这一需求，就相应收一笔钱。收多收少，完全看市场。这也是无可厚非的（我的经济观念比较右倾）。还要考虑到期刊还承担了同行评议过程的组织工作，校对、排版、印刷都要人力和物资成本。所以是不能要求免费白干。问题只能是为何今天一些大的出版商能够把这笔费用收取到如此高的地步。这里有几个原因。&br&&br&一是，无论费用多低，大家都愿意省钱。&br&&br&由于论文与论文之间的内容差别会非常大，所以一本期刊，你很少是以从头逐篇读到尾的形式去阅读的，往往是直接了当地去翻到那篇论文，看完就放回去了。这样的阅读模式，使得期刊更适合大家集体订一份。你看你要的那篇论文一般不会与我看我要的那篇论文发生冲突（不像书，你要看福尔摩斯，我也要看，就必须有两本才不冲突）。这甚至可以全校师生只靠图书馆订的那一份，只要图书馆提供复印机。这对出版商是不公平的，但又是公益性的（“科学研究”是一个很难抵毁的道德高地），所以只能提价来补偿。今时今日，要看论文是只有通过图书馆购买权限共享才划算的。学术圈之外的人士贸然想看什么“学术论文”，看到单篇下载价格，当然要吃惊。&br&&br&二是，出版商帮作者推高了期刊的影响因子&br&&br&在publish or perish的统治下，很多（中国）作者投稿对期刊有着超出专业之外的选择性，那就是纯看影响因子。大的出版商在经营高影响因子期刊方面有着丰富的经验。ACS、RSC这几年新开了这么多期刊，都无往而不利。这得益于他们不断投钱建设和紧跟互联网发展潮流的电子期刊网络系统，以及他们为期刊的宣传做的各种公关活动，这些都提升了期刊的IF，是高价值的服务，这些钱当然也是要收的，问题是向谁收。以往都是向读者（图书馆）收。现在许多期刊都尝试Open Access，改向作者收。其实，无论向哪方收，都有说不通的道理。你把影响因子抬高的努力，满足的是作者的利益，大可以向作者收费啊，肯定是作者才愿意回报你这方面的努力，怎么会是去向读者收？但如果向作者收费，也有问题。一个高影响因子的期刊，拒稿率也会很高。如果收益是来自作者，一个期刊就不必要维持过高的影响因子，即无需维持过高的论文质量。可以使影响因子降低，只要不低到影响投稿量就行了。如果都是这样的期刊，市面上只会充斥着清一色的平庸产物。不用等到所有期刊全变成Open Access，自觉的科研工作者对仅存的传统模式期刊的青睐程度，就已经让OA寸步难行了——这也是目前真实情况。所以，压力还是只能落在高校图书馆这头。&br&&br&有很多幼稚的口号，例如纳税人交钱投资科研，成果不应该再收费。其实，你完全可以嫌已有的出版商要价过高，自己组织一些同行办期刊，维持相当的同行评议，然后不收费（假设你有足够的办法）。但是有一点：影响因子上不去，你就没有好的稿源，大家都更愿意投到高影响因子的期刊上。说到底，这个出版商的超高价格，其实是publish or perish造成的代价，也就是当今科研职业化的并发症。谁让大家为了职业生涯不得不选择高影响因子期刊来发表最重要的研究成果呢？你单单指责科研成果要收费查阅，不去指责科研人员拿纳税人的钱来做科研又以研究成果来挣生活，那就是片面的。如果后者合理，你就很难指责前者。这是不能再问“为什么”的地步，如我前文所说，到了一定程度，就是大家的共识。学术圈仍然是一个自治色彩浓厚的圈子。圈内觉得这样没问题，圈外人就不应多加指责。虽说纳税人纳了税，但这个钱只是用于支付成本和代理的劳务费，不是用于购得专业上的控制权。专业人士代公众完成专业性强的公益性工作，收取劳务费；但专业人士的专业操守，只能靠成立行业协会（如律师协会）来有效监督，公众至多去监督行业协会在专业问题之外的程序问题之类。&br&&br&五、&br&&br&以上道理，现在的公众也不是不清楚了。但是，他们会继续直接攻击科研职业化本身。似乎科研是否要职业化，是可选择的；竟然走向了职业化，代表着人的一种腐朽和堕落。诚然，publish or perish长期以来也是科研工作者讨论的热点，但无论怎么讨论，这么多年了，没法破。毕竟这是一个近百年来历史发展的结果，提到战争的因素也好也好，国家转变发展战略的重点也好，互联网的出现也好，这些因素，都是硬梆梆的历史，而不是某人的自私自利。公益性事业到底是私营还是公营的问题，实在是太大了。但凡涉及到这一问题，争论是不会休止的。总有人希望打着公益性的旗号让一切免费，也总有大资本家尽倾创业艰难史和强调贡献与回报。如果在认识到前文介绍的一切之后，还要继续讨论要不要“全民免费PDF全文下载”的问题，那就相当于明明深谙“看病难看病贵”体制症结之后仍然还要继续讨论要不要“全民免费医疗”一样——耍赖。不是说看病难看病贵很合理，但也不等于说必然要搞全民免费医疗。&br&&br&&img src=&/cac113f9bc91da2a4415e_b.jpg& data-rawwidth=&1728& data-rawheight=&1152& class=&origin_image zh-lightbox-thumb& width=&1728& data-original=&/cac113f9bc91da2a4415e_r.jpg&&&br&Arron Swartz是个大帅哥，我确实为他的自杀而伤心。但若论他的主张，我是不同意的。我也是萨切尔夫人的支持者。所以这个问题如果是讨论到了左派和右派互骂的层面，就完全可以停止了。因为这样的互骂网上已经很多，不需要在这里又重复。&br&&br&六、&br&&br&无论如何，还是要承认目前的现状是不理想的（虽合理），如何稍微理想一点？跟所有无法破的大局一样，只能自欺欺人地、无力地倡议所谓的“从我做起”了：尽量不要追逐影响因子，尽量逃开publish or perish的统治。尤其是，当你拿到tenure之后（在国内，似乎可以对应为拿到“杰青”之后？），请做扎实的研究，投在受众兴趣比较集中的专门期刊上。你的研究努力，应该是致力于满足研究领域内的好奇，回答领域内的问题，优先为本领域作出一点贡献；而不是去追求所谓的broad interest，做一些力求让不同领域的人都能理解、但却没有什么贡献的论文，只为了发表在高影响因子的期刊上。假如每个人都这么做，那么市场的供需重点就不再在于影响因子上，在出版商的优势就不那么明显，它自然就没有继续维持高价的市场资本了。当然，跟所有其他的“从我做起”们一样，这只能是一种理想。你不扔垃圾，不闯红灯，并没有改善卫生和交通，说到底这只能算是自我修养。同理，前面说的做研究的原则，也只能说是自我修养。跟所有人的修养一样，它的培养是不可能仅靠社会历炼的——恰恰相反，社会历炼只会不断地为抛弃个人修养提供强大理由。修养的形成最依赖的，还是在成长初期长辈的教育。挪到科研方面来讲，那就是研究生阶段导师的言传身教。如果导师本身不追逐影响因子，不受publish or perish的束缚，一贯专注于研究课题的内在价值，那么学生将来也才能形成足够强大的信念来坚持这些。这就又回到我文章开头说的，要先对什么是理想情问十分清晰，才能在现实中努力地找到平衡；什么是理想都不知道，必然会失衡。&br&&br&我之所以这么认为，是因为我的导师就是这样的导师，又因为他的导师是这样的导师。因此，我个人甚至有一种偏见，那就是读研不要选择年轻教授。tenured都不算，最好emeritus！
受邀。但本人一向答非所问。 一、 有很多这类问题： 文章署名为什么是这个原则？ 为什么研究结果一定要发到那些期刊上？直接在网上放出来不行吗？ 什么是同行评议？现在的同行评议还有效吗？ 影响因子重要吗？为什么？ …… 然后也包括本问题。 在仅有6平方…
我和题主有同样的问题，我仅仅是分享一下我的经验：&br&&br&1. 摘要最重要：搞清楚摘要中作者的问题意识。作者通过什么样的方法，解决了怎样的问题，得出了怎样的结论。这样的目的一是明白整篇文章的因果逻辑关系，二是在自己内心对作者提出问题，然后在文中寻找问题的解答。向作者提问，并且赋予这篇文献在自己知识库中的重要性，比单纯搞清楚作者说了什么更重要。&br&&br&2. 通过大标题和段落核心句了解文章框架：学术文献一般都会将重点句放在段落首句，或者尾句，通过标题和首尾句确定这一段是否有重要的观点，是否有自己未解问题的答案。&br&&br&3. 带着问题看文献：我要从这篇文献中获得什么，如果是观点，在摘要中就可以获得，如果是研究方法，那就从方法中寻找，如果是核心文献，那就仔细研读。总之首先在摘要中提问题，然后再开始阅读有可能帮助题主解决担心错过什么的问题。&br&&br&4. 完整具体的知识库：知识库越丰富，越完备，就越能有效地利用上述三个方法；越能快速的阅读文献，越能不用担心自己错过了什么。这是硬功夫，是从踏踏实实一篇一篇精读中得来的。&br&&br&归根结底，想要快速阅读文献，首先要花硬功夫，“傻功夫”把必备的知识全部放在自己脑子里。
我和题主有同样的问题，我仅仅是分享一下我的经验： 1. 摘要最重要：搞清楚摘要中作者的问题意识。作者通过什么样的方法，解决了怎样的问题，得出了怎样的结论。这样的目的一是明白整篇文章的因果逻辑关系，二是在自己内心对作者提出问题，然后在文中寻找问…
说真的，试一下powerpoint，很好使的。&br&&br&如果你用Mac的话，keynote免费。&br&&br&如果你能翻墙，Google docs也免费。&br&&br&以上三个基本上是大众画图神器。记得导出成矢量PDF，然后就到处可以用了，包括pdflatex。&br&&br&如果你想小众一点，GoogleNet那个图我是用pydot+graphviz画的，但是这些东西需要手调的地方多一些。&br&&br&如果你要剑走偏锋一点，2010年的CVPR上Marc Aurelio Ranzato有一个全手绘的poster，想来当年参会的人都会有点印象吧。
说真的，试一下powerpoint，很好使的。 如果你用Mac的话，keynote免费。 如果你能翻墙，Google docs也免费。 以上三个基本上是大众画图神器。记得导出成矢量PDF，然后就到处可以用了，包括pdflatex。 如果你想小众一点，GoogleNet那个图我是用pydot+graphvi…
&p&同学，醒醒，老师喊你上去做题，别做梦啦。&/p&&br&&p&——————&/p&&p&觉得“不该否定孩子科研热情”的同志们，如果题主真是你们想象的那样，他会问“中学生可以怎样入手写一篇论文”。&/p&&p&觉得“说不定孩子真做出了什么东西”的同志们，如果题主真是你们想象的那样，他不会加上“省级以上”这个限定条件——这种标准就是评职称、揽项目的时候才用，不是用来评价学术水准的。&/p&&p&何况问题里还摆着一个“自主招生”的tag。&/p&&p&不要太天真了。我知道这行有多难做，中学生搞不出来的。&/p&
同学，醒醒，老师喊你上去做题，别做梦啦。 ——————觉得“不该否定孩子科研热情”的同志们，如果题主真是你们想象的那样，他会问“中学生可以怎样入手写一篇论文”。觉得“说不定孩子真做出了什么东西”的同志们，如果题主真是你们想象的那样，他不会…
答主在清华电子系读了七年，又恰好做了两年当事年级的辅导员。&br&&br&先抛出结论：这是牛人文化向学霸文化转变导致了同学们的功利化，而电子系长期采取了放任的态度助长了这种文化，现在系里想保证相对公平却为时已晚。&br&&br&在00年之前，电子有着无数学霸，也有无数学渣。但是大家并不太care学分绩，都只是在自己寻找属于自己的NB。又火了一把的李健，从来没有把随机过程学明白过，但是并不妨碍他在大礼堂开演唱会；在想编程的人，可以抱着算法导论啃读而不去看不感兴趣的电路；硬件大牛可以把板子调的飞起而不去关心信号处理的事情。总之那个年代大家各有各的NB，身边是各种各样的大牛。&br&&br&慢慢的，由于电子系课程体系和教学改革，开始提倡宽口径培养通识人才，这也是当代社会的大趋势。然而随着课程数量的提升，每门课程的课时都在压缩，导致一来同学们没有足够的时间发掘课程内在的精髓，二来平时课余的闲暇被大幅压缩。结果就是同学们更难发现自己的兴趣点，导致大家都只能随波逐流地去追求学分绩，以求在日后竞争中得到优势。&br&&br&一旦崇拜的对象从用各种方式折服你的牛人变成了用超高学分绩闪瞎你眼睛的学霸，有些东西就开始变味了。无论是为了出国还是推研，GPA成了唯一可量化的事物，大家都开始追求这个“硬通货”了。一开始大家还是老老实实地学习，希望用自己的智商和努力打败别人，然而慢慢地“版本”开始出现了（注：版本是指由于电子系的大作业和实验题目比较固定，所以低年级的同学会使用高年级同学已经完成的作品，简单来讲就是抄作业），以及pretest的泛滥（注：pretest本来是电子系free论坛的一个版面，提供往届考试的真题，由高年级的同学在考完试后回忆得到试题）。由于使用“版本”可以极大地减少完成任务花费的时间，同时会获得很高地分数，所以在劣币驱逐良币地效应下，认真做大作业和实验的同学越来越少。&br&&br&而且电子系的同学无疑是绝顶聪明，聪明到在任何规则中总能寻找出对自己有利的“漏洞”。当发现申请只算前三年的学分绩时，有人就会把一些困难的课程放到大四；当发现有一门老师给分比较高后，宁可中期退掉其他老师的课，下学期再选也要上这个老师的课；当发现有些课程可以互相替代的时候，立刻使用简单的公选课代替困难的专业课。&br&&br&在这种环境下，看着身边人通过各种“奇巧淫技”提升GPA的同时还节约了大量时间，很难不心动。我作为一个普通的电子系同学，即用过版本也干过用公选课代替必修课的事情，因为这种“技巧”几乎是公开传播地，甚至高年级的同学会想向新入学的同学们传播这种技巧，而正是这种技巧导致了某种显而易见的不公平。&br&&br&比如当你用3天查遍各种资料设计了一个超声波测距的电路，又用了2天费尽心机地解决各种BUG的时候，你室友使用学长的版本半天搞定回家了；比如当你在实验室起早贪黑，读PAPER，做项目，一个人干三个人的活，但是同实验室的同学确在外面实习，拿着数倍于你的工资，最后你们没有区别的都毕业了；比如当你拼命学随机过程被张颢哥哥虐的死去活来想刷一个好的分数申请的时候，别人轻轻的一点退课，在大四60分飘过，最后你只申请到人家都没申的学校。&br&&br&种种这般，如果是你，你会坚持自己的原则还是向他们“取经”进而成为走上“捷径”的人？相信在现实中选择前者的人寥寥无几。毕竟除非你是像大师或者韩神这样人物，大家都差不多，别人一旦获得这种不正当的优势，你又如何去和他们竞争？&br&&br&在没有监管的市场永远是劣币驱除良币，而电子系正是一个缺乏监管的市场。一方面在过去系里对于种种钻空子、投机的方法睁一只眼闭一只眼，养成了不良的风气，让大家都觉得这是理所应当地事情。另一方面教师科研上的压力导致教师不愿在教学上花大力气，十年不变的实验题目，5年不变的大作业题目，只有参数不同的考试题，这些都进一步助长了这些功利的做法。&br&&br&回到正题，这个规定看起来措辞强硬，然而细细看起来却是一再放低的基本要求。8字班规定，选择两门以上限选和必修的同学不能参加毕设，而现在已经放宽到了4门；毕设是有15学分，按照课内课外1:1.5，每周至少要求37.5课时的时间，所以强制签到只是保证课时的最低要求。&br&&br&现如今系里想扭转这一不正之风，然而这种强制性的规定并没有从本质上解决问题。功利的问题不是一朝一夕形成的，同样也不是一纸规定就能解决的。很多时候我们只是被惯了坏，有朝一日不属于我们的东西要被收回，我们就开始抗议了。&br&&br&对于二字班的同学们，我想说：没有人能不付出任何成本而收获利益，无论因为何种理由而将课程放到大四下，你就必须比按照指导方案的人付出额外的成本；另一方面如果你想”水“过毕设，去干自己喜欢的事情当然没有问题，但是请记住你的毕业证上是”清华大学电子系“而不是金融、经济、CS或者管理，如果你没有达到电子系基本的要求，你又如何能配得上电子系的毕业证。&br&&br&虽然机缘巧合之下误入了金融业，但是内心依然是一个电子的心。&br&&br&一朝入电子，十年辛酸泪。&br&三思方举步，百折不回头。&br&&br&&br&/*****************************************************&br&&br&看了评论和其他回答，很多人都质疑答主说的那么好，结果明明自己去了金融，背叛了电子，一副得了便宜卖乖的样子。&br&&br&答主说自己是机缘巧合，确是是机缘巧合。&br&&br&1.答主在工作之前没有上过任何经济类的课程&br&2.答主没有任何金融实习的经历&br&3.答主找工作的时候没有投过其他任何金融的简历&br&&br&相反&br&&br&1.答主本科和硕士都做的是硬件系统，本科还是优秀毕业设计&br&2.答主发过文章两篇，做过国家级项目&br&3.答主本来要去某航天总体部送人上天的&br&&br&虽然一直一心一意做电子，但是最后遇到了一个可以来现在这里的机会，综合权衡户口，发展，薪酬之后还是来了这里。但是以后如果有可能，在轮岗结束以后还是会选择电子与金融结合的部门。&br&&br&*****************************************************/
答主在清华电子系读了七年，又恰好做了两年当事年级的辅导员。 先抛出结论：这是牛人文化向学霸文化转变导致了同学们的功利化，而电子系长期采取了放任的态度助长了这种文化，现在系里想保证相对公平却为时已晚。 在00年之前，电子有着无数学霸，也有无数学…
如果只是用了 idea，只是有些不厚道而已，不是抄袭，也和著作权无关。下次自己防着点，这种事还是很多的。&br&&br&说一个我最近的经历：&br&发现竞争对手的论文中有严重错误，我们找到了反例。这些反例深挖的话可以发展成一个大课题。纠结很久后，我们自己的决定是不告诉他们，以免他们偷走我们的 idea，最后我们只落个鸣谢。&br&&br&然后大老板听说后，说我们还是应该告知作者。除了道德考虑外，如果我们不说，他们自己找到反例，那功劳就都是他们自己的。但同时，通知邮件非常 technical，不能让对方知道太多，只给几个参数。&br&&br&现在已经通知对方了，也基本肯定对方靠这点信息偷不了我们的想法。但万一对方智商突然爆棚，把我们想到的都做出来发了文章，我们也只能认倒霉。&br&&br&说白了 idea 是不值钱的。用知乎上的一句话说，有好想法，不如有执行力。学术圈也是这样，写成论文才算数。我的合作者出去开会前，都会和我讨论什么可以说，什么不能说。&br&&br&所以，下次保证自己已经搞定之后，再出去说。如果提前说了，要么是你不自信自己搞得定，要么你当时没有意识到课题的重要性，要么就是太幼稚了。
如果只是用了 idea，只是有些不厚道而已，不是抄袭，也和著作权无关。下次自己防着点，这种事还是很多的。 说一个我最近的经历： 发现竞争对手的论文中有严重错误，我们找到了反例。这些反例深挖的话可以发展成一个大课题。纠结很久后，我们自己的决定是不…
我是做甲醛脱除的。&br&&br&平时工作就是弄点材料，在一个罐子里测测能吸多少甲醛，完全没有技术含量。&br&&br&一开始，我的论文题目是《室内甲醛脱除》，通俗易懂。&br&&br&后来，我觉得这个不够专业，于是改成了《密闭空间内甲醛等气体污染物的脱除》。&br&&br&瞬间高大上了啊有木有？！&br&&br&不过，我导师还是不满意，他大笔一挥，把我的题目又改成了《空间站内甲醛等挥发性有机污染物的综合治理研究》。&br&&br&我特么连空间站模型都没摸过，从此以后就变成了空间站生命保障系统专家的事情我会乱说？！
我是做甲醛脱除的。 平时工作就是弄点材料，在一个罐子里测测能吸多少甲醛，完全没有技术含量。 一开始，我的论文题目是《室内甲醛脱除》，通俗易懂。 后来，我觉得这个不够专业，于是改成了《密闭空间内甲醛等气体污染物的脱除》。 瞬间高大上了啊有木有？…
&p&update：&/p&&p&赛先生最新的出炉：&/p&河北科技大学承诺公布验证时间已到，韩春雨事件未了——韩春雨事件时间表&p&河北科技大学承诺公布验证时间已到，韩春雨事件未了——韩春雨事件时间表&br&&br&原创
林小鹿 赛先生&br&&br&&br&今年5月2日，河北科技大学副教授韩春雨发表了关于NgAgo基因编辑新技术的论文，受到国内媒体轰动性的报道。但是，可重复性是实验科学的基本要求。按正常科学程序，论文发表后，接下来应是其它小组独立验证这一新技术的阶段，进而将这一成果确定下来。但到了七月份，国内外很多小组表示无法重复韩春雨的结果。至今实验重复性争议已经过去两个多月，据《人民日报》8月2日报道，河北科技大学表示在一个月之内，韩春雨将采取适当形式公开验证，届时将有权威第三方作证。然而，一个月过去了，针对NgAgo的实验却依旧没有任何实验室宣称可以重复，亦未见河北科技大学的后续声明。《赛先生》记者于9月2日-3日就此事联系韩春雨，截至发稿未得到任何回复。&br&&br&近日，有读者梳理了韩春雨事件的重要时间节点，《赛先生》刊发在此，希望国内有关部门和学术界能够秉承专业化原则揭开谜团。我们相信，针对该事件的专业化调查将对我国的科研文化、科研风气和对未确认的科学成果如何报道产生至关重要的深远影响。《赛先生》将对此事件持续关注，报道此成果的确认情况。&br&作者林小鹿（欧洲某研究所生物学博士）&br&深陷实验重复性争议漩涡中的韩春雨事件已经过去两个多月，河北科技大学承诺的一个月给出调查结论之期将近，公众仍未看到水落石出的迹象。&br&&br&据多家媒体报道，8月9日，河北省发改委批复同意总投资2.24亿元的“河北科技大学基因编辑技术研究中心建设工程项目”，资金由省财政性资金安排。8月31日，财政部下属的中国政府采购网发布预算1958万元的“河北科技大学基因编辑技术研究中心采购进口仪器设备项目公开招标”的公告。据澎湃新闻报道，这些采购的仪器和资金用来支持韩春雨。以韩春雨为主导的一个巨型大科学项目，在NgAgo基因编辑技术重复性尚未得到验证之前，已迫不及待呼之欲出。&br&&br&&br&&br&为了方便公众理解韩春雨事件的来龙去脉，笔者根据媒体报道中韩春雨的第一人称描述和笔者核实的信息，整理了“韩春雨事件时间表”，让我们看看发生了什么。&br&&br&2014年2月，韩春雨看到荷兰科学家John van der Oost在《自然》杂志发表的TtAgo可以在高温条件下体外切割DNA的文章，受启发着手开展利用Argonaut进行基因编辑的课题。&br&&br&2014年5月中旬一天的凌晨3点，韩春雨在旁指导，学生高峰操作，确认了NgAgo符合他们的要求。实验结束后，因为校门已经关了，韩春雨翻过围墙回家。回到其58平方米的老房子后，韩春雨整晚失眠。后来在接受《光明日报》采访时，韩春雨说5月份已经“做出了主结果”。&br&&br&之后的9个月，韩春雨投稿《科学》失败，他后来对《光明日报》说，“未收到任何退稿说明”。&br&&br&2014年秋天，韩春雨在中国协和医科大学读博士期间的同学、浙江大学医学院研究员沈啸，加入韩春雨的NgAgo课题。因为沈啸有“国外科学研究经历，有经验应对审稿”。&br&&br&与此同时，韩春雨和硕士毕业未就业仍留在实验室的学生高峰等继续补充实验，“发现了更多关于NgAgo的特性”。&br&&br&日，韩春雨向《自然》杂志的子刊《自然-生物技术》投稿。&br&&br&2015年6月，韩春雨后来接受采访谈到此时“实验经费拖光了”，“拖欠试剂公司30万元试剂费”。&br&&br&日，沈啸（第一申请人）、韩春雨作为发明人提交“以Argonaute核酸酶为核心的基因编辑技术”的专利申请，申请单位是浙江大学。&br&&br&日，《自然-生物技术》接收韩春雨的投稿。&br&&br&2016年3月，韩春雨前往他的合作者沈啸在浙江大学的实验室。韩春雨后来接受《自然》杂志记者采访时说，那是他平生第一次坐飞机。&br&&br&日，沈啸、韩春雨的专利发表，并于5月11日进入实质审查。&br&&br&日，《自然-生物技术》在线发表题为DNA-guided genome editing using the Natronobacterium gregoryi Argonaute的论文，高峰为第一作者，沈啸为第二作者，韩春雨为通讯作者。&br&&br&&br&&br&&br&文章发表后，韩春雨因为“在条件不好的学校、多年默默无闻却做出一流的研究”的形象迅速得到学术界内部的关注。&br&&br&5月5日，河北科技大学官网首页发表《我校教师韩春雨在国际顶级期刊&自然-生物技术&上发表高水平论文》的新闻稿，并迅速被转载到海外华人留学生为主的“未名空间mitbbs站”生物版，帖子被冠以“国内科研水平不得了”的标题。&br&&br&5月8日，微信公众号BioArt和《知识分子》先后报道韩春雨，其中《知识分子》题为《韩春雨：“一鸣惊人”的中国科学家发明世界一流新技术》的报道被广泛转载到朋友圈和其它媒体，阅读量据称超过320万次。&br&&br&5月10日，《知识分子》发文《海内外学者、读者热议韩春雨现象》，北京大学生科院教授饶毅称“韩春雨的工作是国际一流的……在条件有限的情况下做出这样的工作，让我们更加关注中国广大科技工作者。”随后国内几十家主流新闻媒体跟进报道韩春雨及NgAgo基因编辑技术，该技术被多家媒体描述为“诺奖级”。韩春雨对此曾表示，做研究，他要冲着诺奖的水平去，而至于诺奖本身，他也想过，但也就那么一想罢了。&br&&br&5月10日前后，国内多家实验室从韩春雨处直接得到NgAgo载体，用于合作实验。&br&&br&5月12日，《知识分子》又以“如何涌现更多的韩春雨”为题刊登北京生命科学研究所副所长邵峰院士的文章，探讨“小作坊与大科学”、科研体制改革和原始创新机制。&br&&br&5月20日，非营利生物载体分享组织Addgene在推特宣布，得到了韩春雨的NgAgo载体并进入质量控制流程。&br&&br&当所有媒体都在一边倒宣传韩春雨的个人魅力和NgAgo技术的重大意义并纷纷用“诺奖级”来报道时，质疑的声音开始出现。&br&&br&5月26日，未名空间mitbbs站生物版ID为yyadam的人发帖称，“纯从science角度分析韩春雨的文章”，表示根据已知Ago蛋白家族的结构及功能，觉得NgAgo理论上行不通，并且ssgDNA在韩春雨的文章前后用法不同，很奇怪。发帖人特别强调，“不针对任何个人，只对science”。&br&&br&5月27日，韩春雨应邀在北大生科院邓祐才报告厅做学术报告。据微信公众号BioArt报道，韩春雨称“我出来作报告实验室要停工，因为养细胞泡板子都是我自己做的......。”在报告最后韩春雨强调：“该版本是初级版，需要比较高超的实验技巧”，即将推出“2.0版和Smart版”。&br&&br&&br&&br&&br&5月27日，在未名空间mitbbs站，ID为zhouyangq的人发帖称，已经重复了一个星期韩春雨的实验，未能看到韩春雨《自然-生物技术》文章中报道的结果。据笔者向发帖人核实，其来自中科院上海分院一家专门从事基因编辑的实验室。这是目前网络上最早的通过实验质疑韩春雨工作重复性的报告。&br&&br&6月2日，韩春雨应其合作者沈啸邀请，在浙江大学做关于NgAgo的学术报告。&br&&br&&br&&br&&br&6月2日，Addgene在推特宣布已经可以向科学界提供韩春雨的NgAgo载体。&br&&br&6月4日，未名空间mitbbs站生物版ID为samalli的人发帖称，完全按照韩春雨文章的protocol（实验流程），未能重复出其文章的结果。关于韩春雨的NgAgo工作的重复性，特别是图4相关的基因组编辑重复性问题逐渐成为该论坛的热门话题，有更多匿名帖子表示未能重复。&br&&br&6月7日，韩春雨参加在北京举行的香山科学会议“基因编辑技术的研究与应用”，被问及NgAgo的重复性问题。韩春雨未参加完全部日程，称“有事”提前退场。后来他在百度贴吧以“槐北路”的ID和网友交流时，声称自己在香山会议上遭到CRISPR研究者的恶意攻击。&br&&br&6月22日，韩春雨应邀在中科院遗传与发育研究所做学术报告。有听众在问答环节问到韩春雨NgAgo实验的可重复性。韩春雨回答，根据他的统计，“未做出来与做出来的比例是三比一，做出来的有20家。”&br&&br&6月23日，在网络问答社区“知乎”，有匿名用户发帖询问“韩春雨的实验被其他实验室重复出来了吗？”。在早期的回答中，包括北大在内的多个机构的研究人员用实名回答未能重复并且因此已经暂停实验。之后韩春雨实验的重复性话题在“知乎”逐渐吸引大量非专业人士发表不同的意见，各种口水帖满天飞。&br&&br&6月底，韩春雨在和第三军医大学一位学生的电话中回答其实验重复性问题和实验细节，并要求学生在微信群中公布其电话录音和谈话要点。韩春雨在电话录音中强调，做出来NgAgo实验的前提是“防止细胞污染”，并暗示对他的质疑是从事 CRISPR基因编辑研究的人士抹黑，因为NgAgo的出现将“导致黄军就、黄行许等CRISPR研究者损失几个亿”。&br&&br&7月2日，方舟子发表文章《河北科技大学韩春雨“诺贝尔奖级”实验的重复性问题》，询问有没有人能重复出其《自然-生物技术》论文的图4，韩春雨在遗传所报告会上说的能重复出的20家实验室是哪些，以及高超的实验技巧到底是什么。&br&&br&同日，韩春雨在百度贴吧 “国际米兰吧”发帖做出了回应，说高超的实验技巧“其实也很简单”，主要是避免细胞污染，同时公布了一些实验细节。韩春雨同时称审稿人曾经重复过他的图3。之后一段时间，韩春雨不再对质疑做任何回应。&br&&br&7月13日，为期三天的河北省科协第九次全省代表大会闭幕，韩春雨当选为河北省科协副主席。&br&&br&&br&&br&7月13日，丹麦奥胡斯大学生物医学系博士后蔡宇伽在未名空间mitbbs站发帖，指出“韩……如果用cas9代替NgAgo的话，就有可能一不留神留下蛛丝马迹”，提出韩春雨论文图4的矛盾之处。&br&&br&7月15日，澳大利亚科学家Gaetan Burgio在推特发帖， 公开宣布初步数据显示能重复出韩春雨的工作。在此前后，有多位国外科学家公开宣布初步数据显示能重复，后来又发表声明称之前的结果是假阳性。&br&&br&7月21日，中科院神经所研究员仇子龙发表声明，称能在基因组水平看到NgAgo引起的基因编辑，虽然效率较低。他呼吁韩春雨尽快发布NgAgo 2.0版和Smart版。（注：这是韩春雨之外全世界迄今唯一实名宣布加入NgAgo和ssDNA后可以看到基因编辑的研究组。）&br&&br&7月29日，澳大利亚科学家Gaetan Burgio发表长文，表示不能重复韩春雨Fig.4的结果；国际转基因技术协会给会员群发邮件，告诫大家“NgAgo无法在哺乳动物细胞中进行基因编辑。看清楚，不要再浪费你的时间、金钱、人力和课题。”&br&&br&7月31日凌晨，《赛先生》发表《多国科学家宣布：迄今未能重复韩春雨NgAgo实验结果》。此后两天，澎湃新闻、财经、南方都市报等多家主流媒体报道针对韩春雨的质疑，或发表评论，探讨如何正确报道有关科学发现的新闻。韩春雨回答媒体询问时称这些质疑“是非科学的，不会再作出回应”。&br&&br&8月2日，《自然-生物技术》杂志回应人民日报驻英国记者表示，“已有若干研究者联系本刊，表示无法重复这项研究。本刊将按照既定流程来调查此事。”另据《人民日报》报道，河北科技大学表示，在一个月之内韩春雨将采取适当形式公开验证，届时将有权威第三方作证。&br&&br&8月8日，《自然》杂志以“复制、嘲弄和一个隐士：NgAgo基因编辑的争议加剧”为题，报道了围绕着韩春雨实验重复性的争议。&br&&br&8月9日，韩春雨应Addgene要求，发布新版的protocol（实验流程）。新版protocol大部分内容来自韩春雨发表的《自然-生物技术》论文附录，增加了防止细胞污染、实验用水的pH值、禁用EDTA和添加镁离子等要求。&br&&br&8月11日，媒体报道，韩春雨接受采访称不会公开更多数据以帮助开展重复实验。&br&&br&8月17日，蔡宇伽博士在科学网个人博客发布按照韩春雨的新版protocol重复实验的结果，称在他感兴趣的ccr5和aavs1两个位点未看到“基因组水平的敲除”。蔡博士坦承，尽管他严格地按照新版的protocol，确保了细胞无污染，无EDTA等条件，但由于实验室不同，无法确保实验条件100%的一致。他呼吁，更多的科学家们分享他们成功或者失败的经验，共同创造一个良好的学术氛围，促进真相的揭开。&br&&br&8月18日，官方媒体报道，韩春雨在由河北省委宣传部、省教育厅主办的“美丽河北·最美教师”评选活动中，获评“美丽河北·最美教师”荣誉称号。&br&&br&8月31日，媒体报道，河北省发改委已经批复同意建设投资2.24亿的河北科大基因编辑研究中心，而属于韩春雨的预算1958万元的采购进口仪器设备项目招标即将开标。&br&&br&截至发稿，已知仅有仇子龙实验室宣称可低效率检测到韩春雨实验。&br&&/p&&br&&p&update on &/p&&p&&b&“最美教师”韩公布新的protocol已经月余，仍然没人能重复出其实验结果，其造假可以肯定了。网上实名为他辩护的，剩下了一个叫岳东晓的物理博士要指导生物学家们怎么做分子生物学实验，因为过于热情和荒唐，被外国科学家怀疑是韩春雨的马甲。---by 方舟子&/b&&/p&&br&&p&事实来说话：最新的protocol有3个独立专家进行了重复，无一正面结果。&/p&&p&更多的啪啪啪打脸还会继续。大戏的高潮，即将在貌似风平浪静的下面，就要到来了。&/p&&br&&p&update:&/p&&p&&a href=&///?target=http%3A///home.php%3Fmod%3Dspace%26uid%3Ddo%3Dblog%26id%3D997067& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&科学网—NgAgo你做出来了吗&i class=&icon-external&&&/i&&/a&&br&&/p&&p&&b&根据韩新的protocol,重复实验失败了。其实这也是在意料之中，新的protocol并没有本质的变化。&/b&&/p&&p&&b&NBT文章注定是要被撤稿，因为其号称的20%+以上的效率，以及可以媲美cas9的结果不可重复，只是时间问题了。&/b&&/p&&p&日本人按照新的protocol也没能重复：&/p&&p&&a href=&///?target=https%3A///YuichiroMiyaoka/status/Flang%3Dch& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&/YuichiroMiy&/span&&span class=&invisible&&aoka/status/433728?lang=ch&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&两位日本研究人员讨论。&br&“虽说仅仅是第一次尝试。但是第一次完全没有达到希望，就不会再想继续尝试了。如果韩论文不是假的话，问题出在什么地方呢。。。”&br&&br&&a href=&///?target=https%3A///YuichiroMiyaoka/status/702848& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://&/span&&span class=&visible&&/YuichiroMiy&/span&&span class=&invisible&&aoka/status/702848&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&日本研究人员按照新的NgAgo要求来实验，没有发现NgAgo有作用。&br&&br&这个日本研究人员也是8月9日开始重复的。&br&&/p&&br&&p&-&b&-PS，九天就能&/b&&b&重复一遍的实验，近4个月了，韩实验室为啥不拿出一点positive的证据来呢？就是没有没有没有。&/b&&/p&&br&&br&作者：Euglena&br&链接：&a href=&/question//answer/& class=&internal&&案例研究：韩春雨事件的职业操守及监管力度？ - Euglena 的回答&/a&&br&来源：知乎&br&著作权归作者所有，转载请联系作者获得授权。&br&&br&韩的照片第一次穿了全新的实验服，戴上了手套，哈哈。边上的移液器新的可以，只是那个装枪头的盒子暴露了本来的面目。新的protocol神马的其实都不需要，直接把以前作报告所说的20家重复出了实验的单位列出来，把原始数据（NBT文章里的补充材料并非全部原始数据）给NBT一扔，就直接啪啪啪打许多人的脸了。何必发这个没什么高超技巧的protocol, 何必要改自己微博的名字，删自己微博的信息呢？&br&&br&个人感觉，其实NBT中韩并没有下对结论。CRISPR的几个大牛实验室十有八九发现了其中的问题，正在在闷声实践，也许很快阿狗会有新的更容易重复的新操作protocol,而韩的这个，基本上没特别的改进，我不认为会有什么实质性的改进。韩开了个头，最后阿狗work well，但是，大多数的credits会被后来人---这些那些真正实现高重复性的---拿走。&br&&br&uodate:&br&我一直认为知乎是个平台，大家随意发表自的看法，只要不是诽谤，灌水，嬉笑怒骂都应该是随意的。可惜并不是这样，很多吃瓜群众不仅仅没有专业知识，还要做答主和其他人进行评头论足，甚至还要一竿子打翻一船人，认为做科研的混知乎似乎就是刷存在感，come on,你吃瓜群众都对这事件这么有热情，我们处在阿狗第一线的反而需要埋头在实验室里，对着明显有问题的人和文章不闻不问？Give me a break吧！&br&看你 &a data-hash=&1da348e576f3d85ea61a87& href=&///people/1da348e576f3d85ea61a87& class=&member_mention& data-editable=&true& data-title=&@王老三& data-hovercard=&p$b$1da348e576f3d85ea61a87&&@王老三&/a&
认真讨论的态度，提高到对研究的不尊重的份上，我也尽量耐心地回复一点儿吧。&br&我关注ago,是因为我自己的课题组，朋友的课题组，以及同事的课题组（我们的课题组，有2个是成功做到Cas9了）都在做，而且都是失败的结果，中间有同事跟韩沟通过，打完电话，说是心里哇凉哇凉的！所以：&br&首先我认为在知乎是能够随意发表自己的看法，何况我说的每一字都是有根据的；&br&其次，我不认为只有高H值才够格评论，你多次要人亮出自己的publication, H-index,这个不是很烦扰人吗？我认为在专业性这么强的讨论里，吃瓜群众就吃瓜好了，别对自己完全不懂的事物指三摘四；&br&再三，己所不欲勿施于人，我就是这样做的啊：如果我自己的实验结果很难重复，我就会选择推迟发表；另，我知道你指的是平等地探讨，问题是，你一开始就阴阳怪气地，非要拿H，publication list来说事，这算哪门子的平等呢？&br&第四，我是在第一线，第一时间自己出钱合成了Ago（我曾经写email找韩要质粒，没有收到任何回音，这可以算正常。），并组织了人力来做Ago实验，如果你考古一下，会明白为何Jimmy说我先是观望派，也是很急迫地等待测序结果的，后来实验结果negative，我也只是觉得很可能是在我自己的系统里不work，等到后来看到了韩的采访照片视频，确实第一时间被吓坏了：在普通的分子生物学实验室，连实习的本科生都知道要戴手套操作，尤其还是在超净工作台上，这是进实验室第一天就要学习并一直坚持的事，韩的实验室也太不专业了一点；韩的回应，所谓的高超技巧，当你发现只是普通实验室都需要做到的时候，你怎么想？你去看看国际上对这个回应的反应，就一目了然了；在韩对杂志应对质疑的可能会采取的措施的看法上，也显示他对这方面的无知（也许是无赖）。所以我觉得韩的东西，很可能是个笑话，本来计划暑假里继续对Ago进行优化，决定暂停，坐等新版的Ago(也许是韩也许是别的课题组更新的)出来。&br&请问，是断下结论吗？
update：赛先生最新的出炉：河北科技大学承诺公布验证时间已到，韩春雨事件未了——韩春雨事件时间表河北科技大学承诺公布验证时间已到，韩春雨事件未了——韩春雨事件时间表 原创
林小鹿 赛先生 今年5月2日，河北科技大学副教授韩春雨发表了关…
在香港中文大学读研究生时，写论文找参考资料，一找一大堆很头疼。&br&后来，上了图书馆的老师讲授过专业的文献搜索技巧，包括：文献数据库的高级搜索、订阅和整理——非常提升效率的。如果你还在校可以去听听（而且图书馆的老师人都很好，当时预约的话她会帮你一起找资料的）。&br&&br&如果图书馆没有相应课程，推荐 &b&中科大 生物学院&/b& 的罗昭锋老师正在网上开了《&b&文献管理与信息分析&/b&》。名字挺土的--||| ,但内容好的超乎想象！课程内容不仅涵盖了怎么&b&搜索文献&/b&，如何进行&b&个人知识管理&/b&，还介绍了几款实用的APP——随时随地阅读订阅的新资源！绝对移动化学术啊！&br&&br&据罗老师说，这门课由他十多年科研经验积累而来，是中科大的名课！听了罗老师的课，你就会发现，他是位思维很活跃并且对科研很有热情的人～&br&&br&以下拷贝了课程章节和课程地址，推荐搞科研的童鞋门全看看哟：&br&&br&&b&第一周 科研工作者的信息修炼&/b&&br&1.1
第一课时 加速发展的社会&br&1.2
第二课时 信息社会发生的变化&br&1.3
第三课时 问题解决模式&br&1.4
第四课时 什么是科研&br&1.5
第五课时 信息社会的必备信息技能&br&1.6
第六课时 本课程的具体内容&br&1.7
第七课时 如何学习这门课&br&&br&&b&第二周 搜索引擎与网络学习&/b&&br&2.1 搜索引擎出现的历史必然性&br&2.2 搜索引擎的工作原理&br&2.3.1 常用搜索引擎的简介——一般检索、高级搜索、逻辑关系、强制搜索&br&2.3.2 常用搜索引擎的简介——图片搜索&br&2.3.3 常用搜索引擎的简介——搜索命令&br&2.4 利用搜索引擎解决问题的思路&br&2.5 本地文件搜索工具everything&br&&br&&b&第三周 数据库资源的发展趋势和利用（英文数据库部分）&/b&&br&&br&&b&第四周 中文数据库及中文信息资源&/b&&br&4.1 第一课时 中文文献资源简介&br&4.2 第二课时 中国知网的介绍与使用&br&4.3 第三课时 万方数据知识服务平台简介&br&4.4 第四课时 维普数据库介绍&br&4.5 第五课时 超星发现平台介绍&br&4.6 第六课时 小结&br&&br&&b&第五周 RSS—同步追踪世界最新资讯&/b&&br&5.1 第一课时 RSS介绍&br&5.2 第二课时 以更广的视角 看更远的未来&br&5.3 第三课时 RSS简介及其使用&br&
第一节RSS的基本订阅方法&br&
第二节 新闻主题的订阅&br&
第三节 科学文献的订阅&br&5.4 第四课时 鲜果阅读器简介&br&5.5 第五课时 移动端阅读简介&br&5.6 第六课时 RSS小结&br&&br&&b&第六周 个人知识管理&/b&&br&6.1 第一课时 个人知识管理介绍&br&
6.1.1 第一节 前两期内容回顾&br&
6.1.2 第二节 习惯的养成&br&
6.1.3 第三节 个人知识管理的要求&br&
6.1.4 第四节 为什么要记录&br&6.2 第二课时 为知笔记简介&br&6.3 第三课时 为知笔记使用详解&br&
6.3.1 第一节 注册、下载与安装，界面介绍&br&
6.3.2 第二节 信息收集&br&
6.3.3 第三节 组织与管理&br&
6.3.4 第四节 为知笔记的分享与协作&br&
6.3.5 第五节 为知笔记的其它功能&br&
6.3.6 第六节 为知笔记的实际使用场景&br&6.4 第四课时 小结&br&&br&&b&第七周 手把手教你用Endnote X7&/b&&br&7.1 第一课时 文献管理软件简介&br&7.2 第二课时 Endnote X7的功能演示&br&7.3 第三课时 Endnote X7的使用入门（step by step）&br&
7.3.1 第一节 软件的安装和界面&br&
7.3.2 第二节 创建文献数据库&br&
7.3.3 第三节 文献管理功能&br&
7.3.4 第四节 编辑参考文献格式&br&7.4
第四课时 Endnote X7的具体功能介绍&br&
第一节 Endnote X7详细介绍引言&br&
7.4.2 第二节 界面介绍&br&
7.4.3 第三节 数据库创建&br&
7.4.4 第四节 文献管理&br&
7.4.5 第五节 参考文献格式编排&br&
附录：Endnote X7具体功能介绍的课程提纲&br&7.5 第五课时 个人的Endnote使用介绍&br&&br&&b&第八周 HistCite—快速定位核心文献 &/b&&br&8.1 第一课时 Histcite简介&br&附录：Hiscite介绍的课程提纲&br&8.2 第二课时 常规的文献筛选方法&br&8.3 第三课时 Histcite的使用步骤&br&8.4 第四课时 Histcite的分析原理&br&8.5 第五课时 Histcite的使用步骤详解&br&
8.5.1 第一节 Histcite简介&br&
8.5.2 第二节 数据下载与软件开启&br&
8.5.3 第三节 打开数据的方法&br&
8.5.4 第四节 软件的界面&br&
8.5.5 第五节 Histcite作图界面&br&
8.5.6 第六节 Histcite菜单详解&br&
8.5.7 第七节 Histcite使用示例&br&
8.5.8 第八节 使用Histcite的常见问题&br&8.6 第六课时 个人的Histcite使用介绍&br&
附录：Histcite作业&br&&br&&b&第九周 思维导图及其在科研中的应用&/b&&br&9.1 第一课时 思维导图简介&br&9.2 第二课时 思维导图软件的使用方法&br&
9.2.1 第一节 思维导图软件的基本使用方法&br&
9.2.2 第二节 思维导图软件的中级使用方法&br&9.3 第三课时 思维导图软件应用示例&br&
附录： 思维导图作业&br&&br&&b&第十周 团队协作及移动办公&/b&&br&10.1 团队协作及移动办公简介?&br&10.2 如何实现团队协作办公&br&
10.2.1 团队协作的情景&br&
10.2.2 利用为知笔记实现团队协作&br&
10.2.3 利用微软office online 进行协作&br&
10.2.4 WPS office+轻办公&br&
10.2.5 金山快盘简介&br&10.3 移动办公工具&br&
10.3.1 移动办公工具&br&
10.3.2 其他效率工具&br&
10.3.3 移动时代的挑战&br&&br&&b&第十一周 专题：2014年第一期《文献管理与信息分析》课程分享&/b&&br&11.1 我的Mindmanager经验分享（肖晓东）&br&11.2 工具化时代的时间管理（席武俊）&br&11.3 中华经典古籍库(黎楠)&br&11.4 获取与管理信息的个人经验（刘云 ）?&br&11.5 网易云阅读（余玉善）?&br&11.6 博士论文选题中的信息获取与分析过程及心得（王友富）?&br&11.7 几点小技巧简介(刘志永)?&br&11.8
一路搜，一路想（史嘉鑫）?&br&11.09 访问Google搜索引擎的变通方式（刘志祥）?&br&11.10 照片管理工具（官斐然）?&br&11.11 基于Web信息获取（姚乐平）?&br&11.12 手机知网（ 郑国管）?&br&11.13 Mendeley应用和论文排版（刘睿琪）?&br&11.14 关于为知笔记的实际应用（贾帅）?&br&11.15 搜索引擎以及网上免费学术资源的检索（郭忠强）&br&&br&&b&第十二周 综合应用示范及结课&/b&&br&12.1 整体内容回顾&br&12.2 杂谈&br&
12.2.1 MOOC盛行的原因&br&
12.2.2 研究就是不断搜索&br&
12.2.3 信息时代个人成长的四大法宝&br&
12.2.4 如何开始你的研究之旅&br&12.3 结课感言&br&
12.3.1 感悟与祝福&br&
12.3.2 关于这门课程想说的话&br&&br&开课地址：&a href=&///?target=http%3A///courses/ustcX/LB0_T2/about& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&/courses/us&/span&&span class=&invisible&&tcX/LB0_T2/about&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&罗老师微博：&a href=&///?target=http%3A///science20%3Ftopnav%3D1%26wvr%3D5%26topsug%3D1& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&/science20?&/span&&span class=&invisible&&topnav=1&wvr=5&topsug=1&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&
在香港中文大学读研究生时，写论文找参考资料，一找一大堆很头疼。 后来，上了图书馆的老师讲授过专业的文献搜索技巧，包括：文献数据库的高级搜索、订阅和整理——非常提升效率的。如果你还在校可以去听听（而且图书馆的老师人都很好，当时预约的话她会帮…
1、通讯作者的本意是，为发表的文章负责任，尤其是遭受批评