主要观点总结
本文主要讨论了计算机视觉领域中纯视觉方案在大雾天气下如何识别车辆和障碍物的问题，同时涉及科研人员在审稿过程中的关注点以及学术界的某些现象和做法。文章通过多个案例探讨了关于最佳训练模型的选择、数据集样本数量对训练方式的影响以及学术界普遍存在的测试集使用问题等。
关键观点总结
关键观点1: 纯视觉方案在大雾天气下的车辆和障碍物识别
本文介绍了在不良天气条件下，纯视觉方案是如何应对车辆和障碍物的识别的，这是计算机视觉领域的一个重要问题。
关键观点2: 审稿人关注点和学术界现象
文章通过多个案例讨论了审稿过程中关注的重点问题，如作者的立意、动机、解释性以及探索过程等，并涉及到学术界在模型训练、测试及报告指标方面的一些普遍现象和做法。
关键观点3: 关于测试集的使用和数据集样本数量的影响
文章探讨了测试集的使用问题，强调了在科研过程中严格遵守使用测试集的规定的重要性，并讨论了数据集样本数量对训练方式的影响。
文章预览
点击上方“ 计算机视觉工坊 ”，选择“星标” 干货第一时间送达 内容来自知乎，「计算机视觉工坊」整理，如有侵权请联系删除 https://www.zhihu.com/question/408153243 碰上大雾天气，纯视觉方案是如何识别车辆和障碍物的呢？ 作者 墨村临时工 作为一个审稿人，我一向不太关注最终精度。 这是一个小的指标。 并不能决定我接受或者不接受你的结果，尤其是你的代码数据未开源的情况下。 正常来说我更关注你的立意，动机，解释性以及探索过程。 文章架构和写作都比那个最终结果更重要。 研究是探索不是打磨。 工业界有资源的工程师打磨肯定比我们条件强。 作为科研人，我喜欢刚出现的火枪而不是成熟的弓箭。 作者 还是不注名好 见到paper实验里写的这种，无论他其他的部分写的多好，反正我看到了就会给打个strong reject。 因为这属于学术不端，本
………………………………
