最有影響力的計算機視覺會議及期刊論文

1 最有影響力的30篇計算機視覺會議論文

選取論文的原則：

（1）會議論文，主要來源於如下會議：CVPR, ICCV, ECCV, BMVC, FG, ICIP, ICPR, WACV, ICASSP, MM, IJCAI, UAI, AAAI…（其實後面的幾個會議都是打醬油的，AI類的期刊也木有高引CV文章，事實也是如此，沒有收錄ICML和NIPS等，見諒）

（2）發表在2000年之後，數據來源於微軟學術搜索(http://academic.research.microsoft.com/)，2012年12月初的檢索結果

（3）檢索次數大於200，PER>50，微軟學術搜索的被檢索次數未必精確，但能反應大概趨勢，PER指意味着每一年檢索量，自發表次年算到2012年，PER=Cited/(2012-YEAR)

榜單Top 30以下，歡迎拾遺補缺：

[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

 

簡單小結：

　　總共30篇會議文章，其中CVPR 14篇，ECCV 5篇，ICCV 7篇，BMVC、FG、ICIP、ICPR各1篇。每一年發表的論文數如圖所示。

　　我的比較關注3個方面，(1)檢測Detection（好比基於Harr-like的Viola-Jones的3篇文章，[1][6][19]，還有[17]，基於HOG的[2]，以及在PASCAL VOC上大放光芒的DPM[24]）；(2)基於Bag of Words (Features)和LDA的圖像檢索Retrieval和類別學習Categorization（好比基於BoW的[10][11]，以後的[8][29]，以及很是流行的SPM[4]，基於LDA的[7]等）；(3)特徵Features，好比說提到的Harr-like，SURF[3]，HOG[2]，MSER[14]，PCA-SIFT[15]等。

　　值得注意的是，排在前面的大部分做者，都是CV界的成名人物，很是值得關注他們的其餘一些論文。

　　PS：[12]的做者Ramin Zabih從TPAMI的主編位置上退下，[20]的做者David Forsyth成爲TPAMI新的掌舵者，你們有什麼見解？

 

最後額外推薦幾篇ML的方法，來自於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 最有影響力的20篇計算機視覺期刊論文

選取論文的原則：

（1）期刊論文，主要來源於如下期刊：TPAMI，IJCV，TIP，CVIU，IVC，MVA，PR，JMIV，IJPRAI…

（2）發表在2000年之後

（3）SCI檢索次數大於1000，來源於Web of Science數據庫，2012年12月初的檢索結果

 

Top 20 榜單原文請見http://www.cnblogs.com/youth0826/archive/2012/12/04/2801481.html

　　看了一下這20篇博文，整體上感受很熟悉，不少文章確實是視覺領域2000年以來的重要工做，因而就很想聊一下本身的見解，和你們交流。

　　我簡單按照所屬領域劃分統計了一下，其中：
　　與人臉檢測識別直接相關的有3篇，間接相關的1篇，直接相關的包括：7（基於adaboost的人臉檢測），19（人臉檢測的綜述），12（經典的人臉識別測試集FERET的說明），間接相關的是AAM，AAM是人臉alignment的最經典文章，可是因爲其提出時並無現定於人臉，因此劃分爲間接相關；

　　與局部描述子直接相關的有3篇，分別是1（sift），15（local descriptor的綜述），17（LBP）；
　　與立體視覺相關的有3篇：9（攝像機標註方法），10（圖像配準綜述），14（這篇文章我不熟悉，因此這樣劃分是否合理也不是很確信）；

　　與圖像分割直接相關的有2篇，間接相關的有1篇，直接相關的包括：2（normlized cut），13（graph-cut的應用），間接相關的是4（mean-shift），mean-shfit能夠應用於圖像分割，也能夠應用於目標跟蹤，算是間接相關；

　　與物體檢測跟蹤（爲了簡單，把檢測和跟蹤劃分到一塊兒，其實這兩類方法在思路上差異很大，單獨劃分更合理，可是從功能角度確實很類似）直接相關的2篇，間接相關的有1篇：3（基於輪廓的物體檢測方法），16（基於kernel的tracking方法）一篇是檢測，一篇是跟蹤，而基於mean-shift的跟蹤方法是particle filter以前最經典的方法，算是間接相關；

　　與圖像檢索匹配相關的文章2篇：6（綜述），11（shape context）；
　　此外還包括一篇統計模式識別的綜述（8）；
　　一篇圖像質量評估的方法（5）；
　　行爲識別：18（一篇關於行爲識別的系統的文章，用到了跟蹤、攝像機標定、行爲識別等）；
　　（其中mean-shift被計算了兩次，因此和是21篇）

　　按照每一個領域的文章數量由多到少的順序我講一下本身的觀點：

　　人臉識別領域的論文出現次數最多（這可能和我本身重點關注人臉識別領域有關），是讓我比較意外的，不過這說明從2000年開始，人臉識別方法獲得了你們的重點關注，是視覺領域的一個熱點。這幾篇文章中，viola的基於adaboost+haar的人臉檢測方法是經典中的經典，其思想不只被普遍應用於物體檢測領域，同時，在啓發了狠多特徵選擇領域的工做，同時，也幫助adaboost一躍成爲和svm並列的兩大machine learning利器，我一直認爲這篇文章和和lowe的sift都是視覺領域工程方面的經典之做；而AAM方法，也是十分重要的模型，尤爲是對於臉部特徵點定位而言，基於aam的改進工做極大促進了特徵點定位的精度，其實這種全局形狀約束+局部表觀模型的思路在其餘如物體檢測領域也有不少相似思路；局部描述子，基本上是視覺領域表示方面十年來最大的一個亮點和趨勢。咱們知道模式識別包含兩個方面的內容，一個是特徵提取，用於提供更有鑑別力的表示，一個是機器學習，用來對於特徵表示以後的數據上學習獲得分類模型。而局部描述子已經成爲特徵表示的一個共識，不管是物體匹配檢索、物體檢測識別，採用多種局部描述子表示已經成爲基本選擇。而這其中，sift無疑是影響最大的工做之一，其在物體匹配、物體檢索、物體檢測、物體識別等領域都有大量應用。而LBP特徵，做爲一種局部描述特徵，是繼Gabor以後最重要的紋理描述特徵（固然，sift的變種hog也是之一），其有不少變種，在人臉識別、物體檢測、目標分類領域也獲得了大量應用；

　　立體視覺我不熟悉，我就不獻醜了。對於9和14兩篇文章有這麼高的引用率，不知道誰能講講背後的背景？

　　圖像分割能夠經過將分割問題看做是一個分組問題，而後定義一個優化目標，經過最優化這個目標來獲得最優的模型參數。而graph-cut，是將每一個pixel看做圖中的一個節點，將圖像分割轉化爲一個圖分割問題。而graph-cut是經過最小分割和最小流來獲得一個最優模型，2（normlized-cut）是爲了克服graph-cut的缺點的一種改進，第2高的引用率應該說明這種方法能夠應用於不少領域，包括圖像分割和聚類。物體檢測跟蹤領域是一個十分活躍的領域，而3和16有這麼高的引用率很出乎個人意料，由於這兩種思路在最近基本都不算是主流思路，也許是當年曾經火過一段時間吧；物體檢測識別的經典思路應該有兩種，一種是基於滑動窗口搜索的，就是viola人臉檢測文章中使用過的，後來，有基於hog+svm的行人檢測的經典論文也是相近的框架，還有一種是基於圖像全局表示的，經典的方法是基於bag of word的方法，在圖像檢測、圖像分類、圖像檢索等領域都有重要應用；而跟蹤的方法，比較經典的包括基於mean shift的方法，基於particle filter的方法，以及基於online-learning的方法，然後來的發展，也愈來愈將detection和tracking結合到一塊兒，將兩者結合到一個框架，其本質思想就是把tracking看做是一個區分前景目標和背景目標的分類問題，而detection提供了前景目標的off-line模型，tracking提供了on-line模型。這個領域論文不少，有一篇綜述寫得還不錯。圖像檢索是當前視覺領域一個十分熱的方向，在搜索引擎、購物等領域受到不少關注；而6和11遠遠不能涵蓋這個領域的經典。11是早期物體匹配的經典方法，可是，如今用的已經不多。而這方面的最經典工做還應該是基於bag of word的工做。這個工做借鑑了文字搜索領域的工做，經過視覺詞將圖像轉化爲相似文字中的文章，視覺特徵用視覺詞頻表示，而後經過倒排的方式，使得大規模圖像檢索成爲可能。其它的三篇文章，8做爲綜述，確實沒有什麼疑問。5有這麼高的引用，我有點迷惑。圖像質量評估雖然在實際中十分重要，可是是個不太活躍的領域，有這麼高的應用有點意外。18的工做比較早，當時能提出基於跟蹤、攝像機標定、行爲識別和事件檢測這樣的框架，確實有很棒的前瞻性，多是由於近幾年智能視頻監控應用火熱以後，作這個方向的工做多起來的緣由吧。

 

一點建議：　　

　　1 建議將綜述排除出去，20篇論文裏面有5篇綜述，雖然綜述很重要，5篇也不是不少，可是在引用次數上綜述確實會佔很大便宜，建議將綜述排除出去，只對提出新方法的文章單獨排名，才能讓你們對哪些新方法的影響力最廣更瞭解；

　　2 我不知道這個排名方法是否存在瑕疵，或者是數據是否徹底正確，由於我以爲從目前的結論來看，這20篇文章還不能算是最有影響力的20篇；原文：https://blog.csdn.net/tiandijun/article/details/48949463