我是一名研究生。我的专业是计算机。我的毕业论文题目是图像识别算法研究。去年九月我确定了这个题目。我的导师同意了这个方向。我开始阅读很多论文。我每天看一篇论文。我看了三个月。我明白了这个领域的基本情况。图像识别就是让计算机认识图片里的东西。很多人研究这个。这个领域发展很快。新的方法不断出现。我的任务是改进一个旧的方法。我想让识别更准确。

我收集了很多数据。数据是图片。图片里有猫和狗。我的程序要学会分辨猫和狗。我下载了公开的数据集。有一万张图片。我检查了每张图片。有些图片不清楚。我删除了这些图片。最后剩下九千张图片。我把数据分成三部分。训练集有六千张图片。验证集有一千五百张图片。测试集有一千五百张图片。训练集用来教程序。验证集用来调整程序。测试集用来最后检查程序。

我写了一个程序。程序使用深度学习的方法。我选择了一个神经网络。这个网络比较简单。网络有很多层。每一层学习图片的不同特征。第一层看边缘。第二层看形状。更深层看更复杂的东西。我用了Python语言。我用了TensorFlow框架。代码一行一行写。我花了两周时间写完代码。我每天写代码八小时。代码写了五百行。

我开始训练程序。训练需要很多时间。我用了实验室的服务器。服务器有四块显卡。显卡很贵。训练一次要十小时。我坐在电脑前看训练过程。屏幕上有数字变化。损失函数的值在下降。准确率在上升。第一天训练结果不好。准确率只有百分之五十。这和随便猜一样。程序没有学会任何东西。

我检查了代码。我发现了一个错误。数据没有正确预处理。图片大小不一致。有的图片大有的图片小。网络需要相同大小的图片。我修改了代码。我把所有图片调整到相同大小。我重新开始训练。这次结果好一些。准确率到了百分之六十。还是不够好。

我改变了网络结构。我增加了一层网络。这一层是卷积层。卷积层能更好捕捉图像特征。训练时间变长了。一次训练要十五小时。准确率到了百分之六十五。进步很小。我需要更好的方法。

我读了新的论文。有一篇论文提出注意力机制。注意力机制让网络关注图片重要部分。我决定试试这个方法。我写了新的代码。代码更复杂了。我花了三天时间写代码。训练时服务器出了故障。训练中断了。我重新开始训练。这次准确率到了百分之七十五。这是一个大进步。我很高兴。

验证集上准确率是百分之七十五。测试集上准确率是百分之七十三。这个结果可以接受。但还不够好。最好的方法准确率超过百分之九十五。我的方法差得很远。

我和导师讨论了这个结果。导师说我的方法太简单。导师建议我使用预训练模型。预训练模型是在大数据上训练过的模型。我下载了一个预训练模型。这个模型叫ResNet。ResNet很大很复杂。我在我的数据上调整这个模型。这个方法叫迁移学习。训练时间很短。只要两小时。准确率到了百分之八十五。这个结果很好。

我继续改进。我调整了学习率。学习率控制模型变化速度。学习率太大模型不稳定。学习率太小模型学得慢。我试了不同学习率。我找到了最好的学习率。准确率到了百分之八十八。

我收集了更多数据。我找了新的图片。新的图片来自互联网。我手工标注这些图片。标注就是告诉程序图片是猫还是狗。我标注了一千张新图片。我把新数据加入训练集。训练集现在有七千张图片。我重新训练模型。准确率到了百分之九十。

现在的工作是写论文。论文有固定格式。第一章是引言。引言说明研究背景。第二章是相关工作。相关工作介绍别人的研究。第三章是我的方法。第四章是实验结果。第五章是结论。

我写完了引言。我写了三页。我写完了相关工作。我写了五页。我正在写方法部分。方法部分要详细说明我的工作。我画了网络结构图。图显示了每一层的连接。我写了训练过程的参数。参数包括学习率批量大小训练轮数。

实验结果部分需要很多表格。表格显示不同方法的比较。我的方法和别人的方法比较。我的方法更好。准确率更高。我需要统计检验。统计检验证明我的改进不是偶然的。

我每天写论文两小时。写作速度很慢。我要反复修改。导师会检查我的写作。导师说我的写作太啰嗦。导师说要简洁明了。我删除了很多词语。句子变短了。论文更清楚了。

下周我要做更多实验。我要在更多数据上测试我的方法。数据包括其他动物。马牛鸟。我要看看我的方法能不能识别其他动物。如果结果好我的方法就更可靠。

下个月我要完成论文初稿。四月我要修改论文。五月我要准备答辩。答辩是向老师展示我的工作。老师会问问题。我要回答问题。我要练习演讲。演讲要清楚有条理。

我的研究还在进行中。还有很多工作要做。我相信我能完成。我的方法有用。我的工作有意义。图像识别能帮助很多人。医生用图像识别看医疗影像。警察用图像识别找嫌疑人。农民用图像识别检查庄稼。我的研究为这个领域添了一块砖。

实验记录本写满了数字。电脑里有很多代码文件。文件夹里有很多论文。这些是我的工作痕迹。每天进步一点点。问题一个个解决。结果慢慢变好。这就是研究的过程。