欢迎来到洪卫的博客

人生三从境界:昨夜西风凋碧树,独上高楼,望尽天涯路。 衣带渐宽终不悔,为伊消得人憔悴。 众里寻他千百度,蓦然回首,那人却在灯火阑珊处。
扩大
缩小

最有影响力的计算机视觉会议及期刊论文

1 最有影响力的30篇计算机视觉会议论文

选取论文的原则:

(1)会议论文,主要来源于以下会议:CVPR, ICCV, ECCV, BMVC, FG, ICIP, ICPR, WACV, ICASSP, MM, IJCAI, UAI, AAAI…(其实后面的几个会议都是打酱油的,AI类的期刊也木有高引CV文章,事实也是如此,没有收录ICML和NIPS等,见谅)

(2)发表在2000年以后,数据来源于微软学术搜索(http://academic.research.microsoft.com/),2012年12月初的检索结果

(3)检索次数大于200,PER>50,微软学术搜索的被检索次数未必精确,但能反应大概趋势,PER指意味着每年检索量,自发表次年算到2012年,PER=Cited/(2012-YEAR)

榜单Top 30如下,欢迎拾遗补缺:

[1]   Rapid Object Detection using a Boosted Cascade of Simple Features (Citations: 3296, PER=299.64)

Paul A. Viola, Michael J. Jones @CVPR , vol. 1, pp. 511-518, 2001

[2]   Histograms of Oriented Gradients for Human Detection (Citations: 1704, PER=243.43)

Navneet Dalal, Bill Triggs @CVPR , vol. 1, pp. 886-893, 2005

[3]   SURF: Speeded-Up Robust Features (Citations: 1054, PER=175.67)

Herbert Bay, Tinne Tuytelaars, Luc J. Van Gool @ECCV , pp. 404-417, 2006

[4]   Beyond Bags of Features: Spatial Pyramid Matching for Recognizing Natural Scene Categories (Citations: 873, PER=145.5)

Svetlana Lazebnik, Cordelia Schmid, Jean Ponce @CVPR , vol. 2, pp. 2169-2178, 2006

[5]   Object Class Recognition by Unsupervised Scale-Invariant Learning (Citations: 1071, PER=119)

Robert Fergus, Pietro Perona, Andrew Zisserman @CVPR , vol. 2, pp. 264-271, 2003

[6]   Robust Real-Time Face Detection (Citations: 1092, PER=99.27)

Paul A. Viola, Michael J. Jones @ ICCV , 2001

[7]   A Bayesian hierarchical model for learning natural scene categories (Citations: 677, PER=96.71)

Fei-Fei Li, Pietro Perona @CVPR , vol. 2, pp. 524-531, 2005

[8]   Scalable Recognition with a Vocabulary Tree (Citations: 570, PER=95)

David Nistér, Henrik Stewénius @CVPR , vol. 2, pp. 2161-2168, 2006

[9]   Real-Time Tracking of Non-Rigid Objects Using Mean Shift (Citations: 1132, PER=94.33)

Dorin Comaniciu, Visvanathan Ramesh, Peter Meer @CVPR , vol. 2, pp. 2142-149 vol.2, 2000

[10]Visual Categorization with Bags of Keypoints (Citations: 745, PER=93.13)

Gabriella Csurka, Christopher R. Dance, Lixin Fan, etc @ECCV , 2004

[11]Video Google: A Text Retrieval Approach to Object Matching in Videos (Citations: 790, PER=87.78)

Josef Sivic, Andrew Zisserman @ ICCV , pp. 1470-1477, 2003

[12]What Energy Functions Can Be Minimized via Graph Cuts? (Citations: 842, PER=84.2)

Vladimir Kolmogorov, Ramin Zabih @ECCV , pp. 65-81, 2002

[13]Overview of the Face Recognition Grand Challenge (Citations: 578, PER=82.57)

P. Jonathon Phillips, Patrick J. Flynn, W. Todd Scruggs, etc @CVPR , vol. 1, pp. 947-954, 2005

[14]Robust wide baseline stereo from maximally stable extremal regions (Citations: 810, PER=81)

Jiri Matas, Ondrej Chum, Martin Urban, etc @BMVC , vol. 1, 2002

[15]PCA-SIFT: A More Distinctive Representation for Local Image Descriptors (Citations: 639, PER=79.88)

Yan Ke, Rahul Sukthankar @CVPR , vol. 2, pp. 506-513, 2004

[16]Interactive Graph Cuts for Optimal Boundary and Region Segmentation of Objects in ND Images (Citations: 796, PER=72.36)

Yuri Y. Boykov, Marie-pierre Jolly @ ICCV , pp. 105-112, 2001

[17]An extended set of Haar-like features for rapid object detection (Citations: 710, PER=71)

Rainer Lienhart, Jochen Maydt @ICIP , vol. 1, pp. 900-903, 2002

[18]A Database of Human Segmented Natural Images and its Application to Evaluating Segmentation Algorithms and Measuring Ecological Statistics(Citations: 750, PER=68.18)

David R. Martin, Charless Fowlkes, Doron Tal, etc @ ICCV , pp. 416-425, 2001

[19]Detecting Pedestrians Using Patterns of Motion and Appearance (Citations: 584, PER=64.89)

Paul A. Viola, Michael J. Jones, Daniel Snow @ ICCV , pp. 734-741, 2003

[20]Object Recognition as Machine Translation: Learning a Lexicon for a Fixed Image Vocabulary (Citations: 603, PER=60.3)

Pinar Duygulu, Kobus Barnard, João F. G. De Freitas, etc @ECCV , pp. 97-112, 2002

[21]Real-Time Simultaneous Localisation and Mapping with a Single Camera (Citations: 527, PER=58.56)

Andrew J. Davison @ ICCV , pp. 1403-1410, 2003

[22]Recognizing Human Actions: A Local SVM Approach (Citations: 440, PER=55)

Christian Schüldt, Ivan Laptev, Barbara Caputo @ICPR , pp. 32-36, 2004

[23]Actions as Space-Time Shapes (Citations: 379, PER=54.14)

Moshe Blank, Lena Gorelick, Eli Shechtman, etc @ ICCV , vol. 2, pp. 1395-1402, 2005

[24]A Discriminatively Trained, Multiscale, Deformable Part Model (Citations: 215, PER=53.75)

Pedro F. Felzenszwalb, David A. Mcallester, Deva Ramanan @CVPR , pp. 1-8, 2008

[25]Non-parametric Model for Background Subtraction (Citations: 642, PER=53.5)

Ahmed M. Elgammal, David Harwood, Larry S. Davis @ECCV , pp. 751-767, 2000

[26]A Comparison and Evaluation of Multi-View Stereo Reconstruction Algorithms (Citations: 318, PER=53)

Steven M. Seitz, Brian Curless, James Diebel, etc @CVPR , vol. 1, pp. 519-528, 2006

[27]Comprehensive Database for Facial Expression Analysis (Citations: 636, PER=53)

Takeo Kanade, Yingli Tian, Jeffrey F. Cohn @FG , pp. 46-53, 2000

[28]Learning Realistic Human Actions from Movies (Citations: 211, PER=52.75)

Ivan Laptev, Marcin Marszalek, Cordelia Schmid, etc @CVPR , pp. 1-8, 2008

[29]Object Retrieval with Large Vocabularies and Fast Spatial Matching (Citations: 258, PER=51.6)

James Philbin, Ondrej Chum, Michael Isard, etc @CVPR , 2007

[30]Statistical Shape Influence in Geodesic Active Contours (Citations: 616, PER=51.33)

Michael E. Leventon, W. Eric L. Grimson, Olivier D. Faugeras @CVPR , vol. 1, pp. 1316-1323, 2000

 

简单小结:

  总共30篇会议文章,其中CVPR 14篇,ECCV 5篇,ICCV 7篇,BMVC、FG、ICIP、ICPR各1篇。每年发表的论文数如图所示。

  个人比较关注3个方面,(1)检测Detection(比如基于Harr-like的Viola-Jones的3篇文章,[1][6][19],还有[17],基于HOG的[2],以及在PASCAL VOC上大放光芒的DPM[24]);(2)基于Bag of Words (Features)和LDA的图像检索Retrieval和类别学习Categorization(比如基于BoW的[10][11],之后的[8][29],以及非常流行的SPM[4],基于LDA的[7]等);(3)特征Features,比如说提到的Harr-like,SURF[3],HOG[2],MSER[14],PCA-SIFT[15]等。

  值得注意的是,排在前面的大部分作者,都是CV界的成名人物,非常值得关注他们的其他一些论文。

  PS:[12]的作者Ramin Zabih从TPAMI的主编位置上退下,[20]的作者David Forsyth成为TPAMI新的掌舵者,大家有什么看法?

 

最后额外推荐几篇ML的方法,来自于ICML和NIPS。

[1]  Reinforcement learning: An introduction (Citations: 5592)

Richard S. Sutton, Andrew G. Barto @NIPS , vol. 9, no. 5, pp. 1054-1054, 1998 

[2]   Experiments with a New Boosting Algorithm (Citations: 2489)

Yoav Freund, Robert E. Schapire @ICML , pp. 148-156, 1996 

[3]  Conditional Random Fields: Probabilistic Models for Segmenting and Labeling Sequence Data (Citations: 2436)

John D. Lafferty, Andrew McCallum, Fernando C. N. Pereira @ICML , pp. 282-289, 2001 

[4]   Latent Dirichlet Allocation (Citations: 1548)

David M. Blei, Andrew Y. Ng, Michael I. Jordan @NIPS , pp. 601-608, 2001 

[5]   On Spectral Clustering: Analysis and an algorithm (Citations: 1230)

Andrew Y. Ng, Michael I. Jordan, Yair Weiss @NIPS , pp. 849-856, 2001 

[6]   Algorithms for Nonnegative Matrix Factorization (Citations: 1162)

Daniel D. Lee, H. Sebastian Seung @NIPS , vol. 13, pp. 556-562, 2000 

[7]   Semi-Supervised Learning Using Gaussian Fields and Harmonic Functions (Citations: 665)

Xiaojin Zhu, Zoubin Ghahramani, John D. Lafferty @ICML , pp. 912-919, 2003

 

2 最有影响力的20篇计算机视觉期刊论文

选取论文的原则:

(1)期刊论文,主要来源于以下期刊:TPAMI,IJCV,TIP,CVIU,IVC,MVA,PR,JMIV,IJPRAI…

(2)发表在2000年以后

(3)SCI检索次数大于1000,来源于Web of Science数据库,2012年12月初的检索结果

 

Top 20 榜单原文请见http://www.cnblogs.com/youth0826/archive/2012/12/04/2801481.html

  看了一下这20篇博文,总体上感觉很熟悉,很多文章确实是视觉领域2000年以来的重要工作,于是就很想聊一下自己的看法,和大家交流。

  我简单按照所属领域划分统计了一下,其中:
  与人脸检测识别直接相关的有3篇,间接相关的1篇,直接相关的包括:7(基于adaboost的人脸检测),19(人脸检测的综述),12(经典的人脸识别测试集FERET的说明),间接相关的是AAM,AAM是人脸alignment的最经典文章,但是由于其提出时并没有现定于人脸,所以划分为间接相关;

  与局部描述子直接相关的有3篇,分别是1(sift),15(local descriptor的综述),17(LBP);
  与立体视觉相关的有3篇:9(摄像机标注方法),10(图像配准综述),14(这篇文章我不熟悉,所以这样划分是否合理也不是很确信);

  与图像分割直接相关的有2篇,间接相关的有1篇,直接相关的包括:2(normlized cut),13(graph-cut的应用),间接相关的是4(mean-shift),mean-shfit可以应用于图像分割,也可以应用于目标跟踪,算是间接相关;

  与物体检测跟踪(为了简单,把检测和跟踪划分到一起,其实这两类方法在思路上差别很大,单独划分更合理,但是从功能角度确实很相似)直接相关的2篇,间接相关的有1篇:3(基于轮廓的物体检测方法),16(基于kernel的tracking方法)一篇是检测,一篇是跟踪,而基于mean-shift的跟踪方法是particle filter之前最经典的方法,算是间接相关;

  与图像检索匹配相关的文章2篇:6(综述),11(shape context);
  此外还包括一篇统计模式识别的综述(8);
  一篇图像质量评估的方法(5);
  行为识别:18(一篇关于行为识别的系统的文章,用到了跟踪、摄像机标定、行为识别等);
  (其中mean-shift被计算了两次,所以和是21篇)

  按照每个领域的文章数量由多到少的顺序我讲一下自己的观点:

  人脸识别领域的论文出现次数最多(这可能和我自己重点关注人脸识别领域有关),是让我比较意外的,不过这说明从2000年开始,人脸识别方法得到了大家的重点关注,是视觉领域的一个热点。这几篇文章中,viola的基于adaboost+haar的人脸检测方法是经典中的经典,其思想不仅被广泛应用于物体检测领域,同时,在启发了狠多特征选择领域的工作,同时,也帮助adaboost一跃成为和svm并列的两大machine learning利器,我一直认为这篇文章和和lowe的sift都是视觉领域工程方面的经典之作;而AAM方法,也是十分重要的模型,尤其是对于脸部特征点定位而言,基于aam的改进工作极大促进了特征点定位的精度,其实这种全局形状约束+局部表观模型的思路在其他如物体检测领域也有很多类似思路;局部描述子,基本上是视觉领域表示方面十年来最大的一个亮点和趋势。我们知道模式识别包含两个方面的内容,一个是特征提取,用于提供更有鉴别力的表示,一个是机器学习,用来对于特征表示之后的数据上学习得到分类模型。而局部描述子已经成为特征表示的一个共识,无论是物体匹配检索、物体检测识别,采用多种局部描述子表示已经成为基本选择。而这其中,sift无疑是影响最大的工作之一,其在物体匹配、物体检索、物体检测、物体识别等领域都有大量应用。而LBP特征,作为一种局部描述特征,是继Gabor之后最重要的纹理描述特征(当然,sift的变种hog也是之一),其有很多变种,在人脸识别、物体检测、目标分类领域也得到了大量应用;

  立体视觉我不熟悉,我就不献丑了。对于9和14两篇文章有这么高的引用率,不知道谁能讲讲背后的背景?

  图像分割可以通过将分割问题看作是一个分组问题,然后定义一个优化目标,通过最优化这个目标来得到最优的模型参数。而graph-cut,是将每个pixel看作图中的一个节点,将图像分割转化为一个图分割问题。而graph-cut是通过最小分割和最小流来得到一个最优模型,2(normlized-cut)是为了克服graph-cut的缺点的一种改进,第2高的引用率应该说明这种方法可以应用于很多领域,包括图像分割和聚类。物体检测跟踪领域是一个十分活跃的领域,而3和16有这么高的引用率很出乎我的意料,因为这两种思路在最近基本都不算是主流思路,也许是当年曾经火过一段时间吧;物体检测识别的经典思路应该有两种,一种是基于滑动窗口搜索的,就是viola人脸检测文章中使用过的,后来,有基于hog+svm的行人检测的经典论文也是相近的框架,还有一种是基于图像全局表示的,经典的方法是基于bag of word的方法,在图像检测、图像分类、图像检索等领域都有重要应用;而跟踪的方法,比较经典的包括基于mean shift的方法,基于particle filter的方法,以及基于online-learning的方法,而后来的发展,也越来越将detection和tracking结合到一起,将二者结合到一个框架,其本质思想就是把tracking看作是一个区分前景目标和背景目标的分类问题,而detection提供了前景目标的off-line模型,tracking提供了on-line模型。这个领域论文很多,有一篇综述写得还不错。图像检索是当前视觉领域一个十分热的方向,在搜索引擎、购物等领域受到很多关注;而6和11远远不能涵盖这个领域的经典。11是早期物体匹配的经典方法,但是,现在用的已经很少。而这方面的最经典工作还应该是基于bag of word的工作。这个工作借鉴了文字搜索领域的工作,通过视觉词将图像转化为类似文字中的文章,视觉特征用视觉词频表示,然后通过倒排的方式,使得大规模图像检索成为可能。其它的三篇文章,8作为综述,确实没有什么疑问。5有这么高的引用,我有点迷惑。图像质量评估虽然在实际中十分重要,但是是个不太活跃的领域,有这么高的应用有点意外。18的工作比较早,当时能提出基于跟踪、摄像机标定、行为识别和事件检测这样的框架,确实有很棒的前瞻性,可能是因为近几年智能视频监控应用火热之后,做这个方向的工作多起来的原因吧。

 

一点建议:  

  1 建议将综述排除出去,20篇论文里面有5篇综述,虽然综述很重要,5篇也不是很多,但是在引用次数上综述确实会占很大便宜,建议将综述排除出去,只对提出新方法的文章单独排名,才能让大家对哪些新方法的影响力最广更了解;

  2 我不知道这个排名方法是否存在瑕疵,或者是数据是否完全正确,因为我觉得从目前的结论来看,这20篇文章还不能算是最有影响力的20篇;

原文:https://blog.csdn.net/tiandijun/article/details/48949463

作者:洪卫

-------------------------------------------

个性签名:独学而无友,则孤陋而寡闻。做一个灵魂有趣的人!

如果觉得这篇文章对你有小小的帮助的话,记得在右下角点个 [推荐]哦,博主在此感谢!

万水千山总是情,打赏一分行不行,所以如果你心情还比较高兴,也是可以扫码打赏博主,哈哈哈(っ•̀ω•́)っ✎⁾⁾!

posted on 2019-01-18 13:49  洪卫  阅读(1650)  评论(0编辑  收藏  举报

导航

Copyright©2018 洪卫