卷积神经网络相关论文怎么创新

Question

问题遇到的现象和发生背景

本人目前研究生在读，目前的方向是基于卷积神经网络超分辨重建，在论文的创新方面遇到了一些问题。我也看了很多相关的毕业论文，发现基本都是改一些网络结构，比如加一点跳跃连接、注意力机制、或者加一些分支，还有就是在损失函数做一些改进。本人目前的疑惑是不知道怎么创新，是在别人的基础上改一改，还是从头开始搭建模型、数据处理全部走一遍流程。

我的解答思路和尝试过的方法

我目前的思路是在找一个baseline在它的基础上加一些多尺度特征提取块和注意力机制，但是多尺度特征提取我只知道Goolenet的inception系列，而且我试了之后发现效果不好。我也请教过一些人，他们告诉我可以做模型融合，但是我并不知道cnn怎么做模型融合。

我想要达到的结果

希望各位可以帮帮忙，帮我理清一下思路。

Answer 1

就像搭积木一样，大的创新需要数学，但一般也就是改改结构之类的了。建议根据应用常用尝试新的架构。