最近有个学弟问了我两个问题：1、计算机视觉算法工程师应该具备哪些基础；2、工作这半年以来似乎就是拉开源项目，在自有数据上训练一下，感觉成长有限。

为此，我准备做一系列总结，既是对这个学弟的回复，也是自己接触计算机视觉五年来的一个回顾。

这个系列第一篇讲一下目标检测的精进路径，不过方法可以推广到其他任务，比如图像分类、语意分割、文字识别、文字检测等等。

1、知其然

1.1、首先找一篇经典的目标检测模型，比如Faster RCNN或者YOLO。

1.2、仔细研读论文，弄清楚论文解决了什么问题、为什么要解决这个问题、这个问题怎么解决的。然后在不参考开源代码的情况下，想自己要复现的话，该怎么实现，写出复现的伪代码，对于没想明白怎么实现的部分，做好标记。

1.3、然后看源代码，尽量看有大公司或者大实验室背书的源代码，他们的复现较大概率能保证跟原论文一致，github上很多所谓的复现（即使star很多）都不能复现原始论文的结果，而且大公司或者大实验室背书的代码质量大概率比较高，能提高自己的代码品味。

1.4、比照源代码，看看自己想不到如何实现的部分，源代码里如何实现的；看看自己的复现伪代码思路哪些地方跟源代码不一样，为什么不一样，孰优孰劣；看看源代码中是否有一些细节，论文里没有提及。

1.5、接着重复1.2到1.4，直到自己能准确无误地写出论文的伪代码。这个过程比较枯燥乏味，可能会循环往复十几次甚至几十次。但是量变最后会导致质变。

1.6、到了这里，我们对这篇论文非常熟悉了，以此为蓝图，我们也对目标检测的骨架有了一个基本的认识。

2、知其所以然

2.1、针对这篇论文里每个模块（比如数据增强、anchor、FPN、smooth L1 loss等等），问自己几个问题。为什么需要这个模块？这个模块对数据分布有什么样的假设？其他论文里这个模块是如何设计的（可以分为纵向和横向，纵向就是看历史上的论文是怎么设计的，横向就是看同年代的论文是怎么设计的）？我会怎么设计这个模块？

这个过程可能需要大量翻阅论文，甚至自己动手做一些实验来回答这些问题。

2.2、针对这篇论文里每个模块里的每一个超参，问自己几个问题。每个超参代表什么含义？这里为什么要设定为当前这个值？能否有更优的超参值？

这个过程也需要翻阅一些论文，或者自己动手做一些实验看看。

3、What I cannot create, I do not understand

3.1、写代码完整复现一篇经典目标检测论文。通过上述1和2，我们似乎对目标检测已经很熟了，但是不要飘飘然，动手实现一下吧，你会发现你以为的熟不是真的熟。这个过程可能不太容易，但是完成之后，你会对目标检测有更深的理解。

4、持续跟进学术界动态，每看一篇新论文，问自己几个为什么。这篇论文解决了什么问题？这个问题是否有价值？这个问题是怎么解决的？有没有论文解决过类似问题？我会怎么解决？

总结一下，其实就是多看多想多动手，the devil is in the details。