ICDM‘22杯具小结

19年在阿里云团队实习，主要做目标检测和属性识别以及落地中的剪枝/量化等工作。关于目标检测方向的梳理，主要在这篇文章：一文总结目标检测 。之前知乎是真的容易涨粉，随便写了几篇就有三四千粉丝了，水文也被多个公众号转发，比如 @CVer计算机视觉 及 @极市平台 就转发好几次，可惜因为一些原因注销了原来的号。

20年校招入职，彼时部门调整，实习的leader离职去了华为云，mentor和leader变成了达摩院，工作方向也变得有点半科研半业务。这段时间主要做基于GCN的人脸聚类方向，在实际业务中，抽象出技术问题进行研究，然后应用于业务。基于GCN的聚类有三个主题：基于GCN node分类的人脸聚类，基于GCN edge分类的人脸聚类，基于 GCN的cluster denoising。目前node在mm挂了之后经过修改已中ICLR‘22，denoising篇CVPR挂了后转投NeurIPS在审。而edge篇，则是本文要说的，最开始做出效果最快，却是最曲折，至今还在曲折。

21年年初，因为部门变动，达摩院的mentor不再指导我，前mentor需要帮达摩院其他小弟改论文，论文准备了一半的我，有点不知所措。思考再三，选择从cv转到搜广推。关于职业生涯的选择和变化，我也专门总结了一下：职业规划与选择，感兴趣的朋友可以一起交流。

因为两个改进点只做了一个，就随便投了篇workshop，没想到还拿了个industrial best paper的奖项（虽然也没什么用），有意思的是现在有两个引用。本来个人觉得另一个改进没做，工作量不够，比较水，之后发现清华和腾讯联合发的另一篇，问题定义相似，但具体方向不同，方法个人觉得并不比我的好，结果中了NeurIPS‘21，于是觉得自己也可以，就选了当时时间合适的数据挖掘会议ICDM。

问了一下同学，说是这个会相对比较难，他是ICDM挂了，缩短一下中了AAAI，当时也没太当回事，直接原文转投了，现在想来真的是太懒。论文前mentor友情帮忙修改了abstract、intro和conclusion部分，其他部分都是我随手一写，也没做太多认真的修改，而且换到ICDM的模版只有不到7页，这个会要求10页内。这里大家还是应该吸取教训，认真对待，也许中和不中一念之间，如果遇上审稿人认为你态度不好，可能就比较负向。另外，对学术还是应该心存敬畏之心，不要总觉得这个水那个水。

最近出了审稿结果，其实比想象中更好一点，reviewer给的评价accept/marginal/reject各一个，但是那个reject让我挺不满的。可能是轮到自己，就自我感觉良好吧。他列的三个缺点，第一是没引用重要文章，然后列了篇2009年的论文，个人真的不觉得那篇不引用也是错，不然可能我得引用几百篇了，有点类似，你发分类的文章，怎么能不引用LeNet呢？更不用说他列的那篇只是老古董，在细分领域的地位完全没法和LeNet在分类的地位相比。第二是实验不够充分，个人认为有可能不够充分，但是值得商榷，我基于CVPR的一篇文章，在人脸聚类数据随机生成了八个不同分布的数据集，在Fashion聚类数据随机生成了两个数据集，两个领域10个子数据集上做了实验，并且在全量数据集也做了实验以用于和baseline对比，说明不是只适用于特意构造的数据集，ablation study，也用折线图比了各部分，实验即使相比实验多的论文没那么充分，比如有的文章可能分类、检测各种实验全做，但实验也没不充分到给reject的地步。第三是语言表达不够好，然而其他reviewer也有夸赞表达不错的。以及摘要就写了会开源代码和数据集，是否开源相关选项这个reviewer居然选择不适用。。

总之，这个reject个人很不满意，强烈谴责，虽然也没什么用……其他的会，可能这样的评价还是有可能中的，比如前文说的ICLR以及最近我们组新中的RecSys，里面都有一个reject，但是ICDM完全没机会，应该是直接挂了，我没找到有PC的评价。不管怎样，重投吧，也许失败比成功更值得纪念，因为过程中可以学习到很多。

有意思的是，ICKG（国际知识图谱大会）发了个直接录用，这个会议主席也是ICDM的创办者和主席，EI检索，毕业有需要的话大家可以考虑一下。