ReadPaper的在线论文阅读笔记神器
点上方计算机视觉联盟获取更多干货
仅作学术分享，不代表本公众号立场，侵权联系删除
转载于：新智元
985人工智能博士笔记推荐
周志华《机器学习》手推笔记正式开源！附pdf下载链接，Github2500星！
对于搞科研的同学们来说，看论文是要经历的第一关，尤其是要读好多篇论文的时候，更是着实令人头大。
这不，最近无意中发现了个在线论文阅读网站：readpaper.com，号称「论文阅读笔记神器，硕博科研学术必备之选」。
有这么神吗？
半信半疑点进去，很快啊，就被这神器的魅力迷住了！
要是这东西早出几年，看paper哪有那么头疼，估计毕业都能轻松不少！
5分钟带你上手ReadPaper！
比方说，想看一篇有关轻量级CV网络「ShuffleNet」的相关论文。
在首页输入「ShuffleNet」，点击搜索，一键直达。
在ShuffleNet论文的详情页，点击「阅读」可以浏览论文原文，点击「引用」可以生成各种引用形式（写论文党狂喜）。
点击「收藏」还能按类别将这篇论文添加到你的收藏夹中。
搞科研的同学参加组会是免不了的，去组会就要做PPT，做PPT就需要截好多图，往往还真得花些时间。
而ReadPaper这次，把论文中所有的图表都自动提取出来，还附上了论文的来源，直接复制进PPT就行，实在是「懒人福音」。
页面中的论文速读功能中，很有可能会出现一个大佬，通过十个「Q&A」带你速度论文。
而这也正是华刚博士在去年提出的阅读论文的理念：带着十个问题去阅读和思考。
通过这十个问题，就能够筛掉无用的信息、让真正有用的信息被构筑到自己的认知模型中，真正掌握这种科研思维模式。
从机器学习的信息瓶颈的类比看，这个过程就是让你的思维认知模式经过这十个问题模板形成的一个信息瓶颈而打造成型。
不过，虽然大佬的回答通常只在比较热门的论文才有，比如下面这个「Swin Transformer」。但是这种方法不妨可以自己也尝试一下。
除了「速读」保不齐还会有视频版的「精读」，简直不要更赞。
此外，论文的问答功能也是一个潜在的宝藏，搞不好就有大佬来答疑解惑。
除了可以速读论文的基本信息，ReadPaper还有一个最强大的功能：论文阅读笔记。
论文中的作者名，都可以添加链接，一键转到GitHub，谷歌学术或者作者的个人博客，不用每次都要手动搜索。
参考文献的序号一直以来都是一个让人头疼的问题，为了去找这个序号具体对应哪篇文章，来来回回翻论文真的是好费功夫。
有了ReadPaper，这一问题迎刃而解。它会自动把序号和参考的文章对应起来，鼠标一点，就能看到对应论文的介绍信息，再也不用去文末挨个找了。
此外，你还可以在看论文的过程中，随手对关键的内容做个批注，以便以后查看。
批注功能可不仅限于文字，图片也一样可以。
ReadPaper自带截图功能，将所要批注的图片框选起来，在右边编辑内容，保存后即可。
再把鼠标放在这张图片上面的时候，批注的内容就会自动浮现出来。
ReadPaper还有一个特色亮点，就是跨页图表检索。
它要解决的一大核心痛点，就是在看论文的时候经常出现的一种情况：想看的图表分布在上一页或者上一页，反正就不在当前页，而当前页的内容也得看，怎么办呢？
ReadPaper强大的图表自动提取能力再一次派上用场，从资料栏一键把想看的图表拖出来，放在当前页的合适位置上，阅读文章的体验简直不要太丝滑！
去年，沈向洋博士在公开课中曾经提到，可以用OneNote帮助做笔记；美国知名的学习指南网站CliffsNotes，能够提供文献学习指南；Mendeley则是非常优秀的参考文献管理。
然而，没想到短短一年的时间，就推出了这么一个几乎可以完全替代之前这些工具的「神器」。
而且，最好评的是，ReadPaper完全免费！
核心功能一览
论文知识图谱
「参考文献」和「被引用」可以非常清晰地展示论文之间的关系，方便进一步地学习。
参考文献可以按引用量排序
被引用文章也可以按引用量排序
文献阅读
2.1 直接在文中查看参考文献信息 。
图片来源：https://readpaper.com/
2.2 论文中的图表支持智能提取、放大以及拖动查看。
图片来源：https://readpaper.com/
2.3 论文没有目录也能照样整一个出来。
图片来源：https://readpaper.com/
2.4 在文章中可以添加高亮、笔记以及截图，而且，这些记录还可以多端同步。
图片来源：https://readpaper.com/
甚至还可以查看别人的笔记。
图片来源：https://readpaper.com/
2.5 方便的翻译，选取内容之后直接出结果。
不过，质量依然受限于现在的机器翻译水平。
图片来源：https://readpaper.com/
2.6 可以直接查看关键词的位置和上下文，无需跳转。
图片来源：https://readpaper.com/
2.7 就算跳转到论文的其他位置，也可以回到之前阅读的地方，不会丢失进度。
图片来源：https://readpaper.com/
文献管理
3.1 感兴趣的论文可以通过批量上传或者搜索的方式添加进「收藏的文献」。
图片来源：https://readpaper.com/
3.2 可以给论文添加自定义标签和备注。
图片来源：https://readpaper.com/
3.3 通过标签可以对论文进行自定义的搜索、筛选和排序，同样也支持备注和笔记的搜索 。
图片来源：https://readpaper.com/
社区讨论
论文提问、小组学习、笔记分享等，协作学习让科研不孤单。
图片来源：https://readpaper.com/
ReadPaper的团队还在不断开发新功能，比如开发客户端（Pad、Mac、Windows），增加多级目录、小组协作等等功能。
背后团队
ReadPaper由粤港澳大湾区数字经济研究院（International Digital Economy Academy，IDEA）AI平台技术研究中心开发。
IDEA是一家面向人工智能、数字经济产业和前沿科技的国际化创新型研究机构，坐落于深圳市深港科技创新合作区内，正与MSR、Google Brain、DeepMind、OpenAI等同行者一起推动人类AI技术前沿的发展。
IDEA创始人、理事长沈向洋博士认为「You are how you read」，读「好」论文和「读好」论文，是切实提升选题和科研能力以及写好论文的基础。
「一群全球最聪明的人，做着全世界最先进的研究，解决着全世界最难的问题，却在用着在这个时代很落后的生产力工具。所以，我们想做一点改变」，ReadPaper团队说。
于是，ReadPaper由此诞生。
ReadPaper是一个专业、免费的学术社区，目的就是要为科研工作者提供各种好用的科研工具以及交流平台。
图片来源：https://readpaper.com/
ReadPaper希望让论文的查找/筛选过程变得更高效；通过提供文献管理及阅读的工具并辅以AI 的能力，让文献的整理和PDF的阅读变得更智能和流畅；通过提供学术讨论及交流的平台，帮助科研工作者更方便地进行学习和探讨。
当前，ReadPaper共收录近2亿篇论文、2.7亿位作者、近3万所高校及研究机构，几乎涵盖了全人类所有学科，它的使命是：「让天下没有难读的论文」。
IDEA理事长沈向洋博士，同时也是香港中文大学（深圳）校长讲座教授，清华大学高等研究院双聘教授，美国国家工程院外籍院士、英国皇家工程院外籍院士，曾任微软全球执行副总裁。
1980年沈向洋进入南京工学院，之后获得香港大学电机电子工程系哲学硕士学位；1991年进入美国卡内基·梅隆大学攻读计算机学院机器人专业博士学位。
沈向洋博士主要专注于计算机、视觉、图形学、人机交互、统计学习、模式识别和机器人等方向的研究工作。他所设计的四分树样条函数算法是世界上最好的运动参数估计算法之一。
并发表关于计算机视觉、计算机图形学、图形识别、统计学习和机器人科学方面的数百篇论文，拥有超过50项美国专利。
参考资料：
https://www.bilibili.com/video/av506780104/
https://idea.edu.cn/about-idea.html
https://readpaper.com/help#tab=feature
-------------------
END
--------------------
我是王博Kings，985AI博士，华为云专家、CSDN博客专家（人工智能领域优质作者）。单个AI开源项目现在已经获得了2100+标星。现在在做AI相关内容，欢迎一起交流学习、生活各方面的问题，一起加油进步！
我们微信交流群涵盖以下方向（但并不局限于以下内容）：人工智能，计算机视觉，自然语言处理，目标检测，语义分割，自动驾驶，GAN，强化学习，SLAM，人脸检测，最新算法，最新论文，OpenCV，TensorFlow，PyTorch，开源框架，学习方法...
这是我的私人微信，位置有限，一起进步！
王博的公众号，欢迎关注，干货多多
手推笔记：
思维导图 | “模型评估与选择” | “线性模型” | “决策树” | “神经网络” | 支持向量机（上） | 支持向量机（下） | 贝叶斯分类（上） | 贝叶斯分类（下） | 集成学习（上） | 集成学习（下） | 聚类 | 降维与度量学习 | 稀疏学习 | 计算学习理论 | 半监督学习 | 概率图模型 | 规则学习
增长见识：
博士毕业去高校难度大吗？ | 研读论文有哪些经验之谈？ | 聊聊跳槽这件事儿 | 聊聊互联网工资收入的组成 | 机器学习硕士、博士如何自救？ | 聊聊Top2计算机博士2021年就业选择 | 非科班出身怎么转行计算机？ | 有哪些相见恨晚的科研经验？ | 经验 | 计算机专业科班出身如何提高自己编程能力？ | 博士如何高效率阅读文献 | 有哪些越早知道越好的人生经验？ |
其他学习笔记：
PyTorch张量Tensor | 卷积神经网络CNN的架构 | 深度学习语义分割 | 深入理解Transformer | Scaled-YOLOv4！ | PyTorch安装及入门 | PyTorch神经网络箱 | Numpy基础 | 10篇图像分类 | CVPR 2020目标检测 | 神经网络的可视化解释 | YOLOv4全文解读与翻译总结 |
点分享
点收藏
点点赞
点在看