深挖五年数据，给AI顶会重新排名：CVPR居首，NIPS、ICML紧跟

大数据文摘

发布于 2019-09-17 08:10:14

12.2K0

文章被收录于专栏：大数据文摘大数据文摘

大数据文摘授权转载自学术头条

随着计算机技术的日新月异，尤其是以人工智能和机器学习为代表的新兴技术快速发展，使得以AI为主题的会议层出不穷。那么了解AI领域的最新科研成果与发展趋势，就一定要看顶会，顶会，顶会！

除了大家最为熟知的人工智能领域最核心的四大顶会AAAI、IJCAI、ICML和NIPS，以及作为计算机视觉和自然语言为代表的CVPR和ACL这两大学术会议，也涌现了许多“后起之秀”，比如仅创立六年却有深度学习顶会“无冕之王”之称的ICLR，还有创办于1996年的大有赶超ACL之势的自然语言处理领域顶会EMNLP，这些“新星会议”的崛起，使得AI领域的会议呈现出亮点纷呈、多面开花的局面。

目前国外计算机界评价学术水平主要看在顶级学术会议上发表的论文，特别是在机器学习、计算机视觉和人工智能领域，顶级会议才是王道。

为了便于了解和追踪AI领域各大顶会/顶刊的发展态势，通过对AMiner平台中近五年来会议/期刊数据的深入发掘，我们重磅推出AI领域会议TOP40榜单与期刊TOP60榜单。

这份榜单主要根据五年来AI领域会议/期刊的H5-index、引用中位数（cit_med ）、10H值（被引最高的10篇论文的被引数量之和）、年均篇数（avg_pub ）等指标，期刊还考虑了影响因子（IF）、特征因子（EF）2个额外指标，同时结合CCF等级进行指标相关性分析，依据这些会议/期刊的H5指数进行了统计和排名，最终评选出会议TOP40榜单与期刊TOP60榜单。

AI领域会议TOP40排行

从这份排名来看，计算机视觉顶会CVPR以H5指数235、10H值78158高居榜首。

机器学习领域顶级会议NIPS，H5指数149，位居第二。

排在第三名的同样是机器学习领域的顶级会议，ICML，H5指数128。

排名第四、第五的分别是ECCV和ICCV。计算机视觉领域的三大顶会全部上榜，可以看出这一研究方向的火爆与热度。

自然语言处理是除计算机视觉外另一个非常受关注的研究领域，ACL 和 EMNLP 作为自然语言处理这一领域贡献非常大的两大顶会，分别位列第六、第八位。

AAAI作为人工智能领域的综合性顶会，H5指数89，位列第七。

作为机器人领域的国际顶级会议ICRA，排在第九位，H5指数81。该会议由IEEE 机器人与自动化学会主办，从论文接收率来看，ICRA 相比起其他学术会议来说还是比较高的，平均值为 40.9%。

AI领域的首个国际性学术会议IJCAI，H5指数为60，排名第10。作为人工智能领域的老牌会议，国际人工智能联合会议IJCAI（International Joint Conference on Artificial Intelligen）已经有50年的历史，它被认为是人工智能领域最为重要、也是最为顶级的学术会议之一，人工智能领域很多开山人物曾在该会议拿奖并发表过优秀论文。目前在清华的计算机学科推荐列表中它由CCF的A 类降到了 B 类。

详解CVPR

CVPR（IEEE Conference on Computer Vision and Pattern Recognition），即IEEE国际计算机视觉与模式识别会议，计算机视觉三大顶会之一。该会议由IEEE举办，会议主要内容包括计算机视觉与模式识别技术。

CVPR有着较为严苛的录用标准，审稿采取是双盲机制，会议整体的录取率通常不超过30%，而口头报告的论文比例更是不高于5%。在各种学术会议统计中，CVPR被认为有着很强的影响力和很高的排名。目前在中国计算机学会推荐国际学术会议的排名和清华计算机学科推荐列表中，CVPR均为人工智能领域的A类会议。

通过对AMiner平台中CVPR近五年来收录论文数据的进一步挖掘，从词云可以看出，CVPR的关键词主要集中在目标检测、语义分割、动作识别、深度神经网络、人体姿态估计、行人重识别、深度学习等领域。

通过对五年来CVPR接收论文中所有学者信息的提取，我们分析了这些学者的性别比例、国籍分布与语言分布情况。可以看出，CVPR的投稿学者以男性为主。从学者分布情况来看，投稿学者主要来自美国、中国，分别占比37.1%、33.9%，其次是法国和德国，均占比6.45%。从语言分布情况来看，投稿学者主要以中文为主，其次是英语，希腊语位居第三。

从投稿学者其发表时所属机构来看，五年来在CVPR会议中，中国科学院以141篇论文数量排在首页，谷歌以98篇排名第二，微软以93篇位居第三，中国香港中文大学、卡内基梅隆大学分列第四、第五。

CVPR高引论文

从五年来CVPR收录的论文情况来看，高引论文TOP1是发表于2015年的《Deep Residual Learning for Image Recognition》一文，引用量高达26356次。该文在2015年的ImageNet 大规模视觉识别挑战赛（ILSVRC）中，一举击败谷歌、英特尔荣获第一，成为举世闻名的152层深度残差网络ResNet-152，同时2016年该文再次获得CVPR最佳论文奖。ResNets目前已经成为计算机视觉领域的流行架构，同时也被用于机器翻译、语音合成、语音识别和AlphaGo的研发上。

该文作者正是Facebook AI研究院（FAIR）的“AI天才”何恺明，他是CVPR最佳论文奖的“首位华人得主”，也是目前少有的一人两次获得CVPR最佳论文奖的学者。

高引论文TOP2是发表于2014年的《Going Deeper with Convolutions》，该文的作者来自谷歌团队的Christian Szegedy，Wei Liu，Yangqing Jia，Pierre Sermanet，Scott Reed，Dragomir Anguelov，Dumitru Erhan，Vincent Vanhoucke，Andrew Rabinovich，引用量达 14823次。

该文获得了2014年ILSVRC挑战赛冠军。该文主要关注针对计算机视觉的高效深度神经网络结构，通过改进神经网络的结构，达到在不增加计算资源需求的前提下，提高网络的深度、效果的目的。

高引论文TOP3是发表于2014年的《 Fully convolutional networks for semantic segmentation》，作者是来自伯克利的Jonathan Long， Evan Shelhamer， Trevor Darrell，引用次数达10479。大名鼎鼎的FCN，第一个去全连接层的全卷积网络，虽然最初是用于图像分割领域，但是对后来的网络也有不少启发。后来大名鼎鼎的ResNet、VGG、Faster R-CNN、U-Net、Inception v3、SSD、DenseNet、STN都引用过此文。

CVPR历年最佳论文

通过AMiner 的Best Papers vs. Top Cited Papers in Computer Science 页面，我们还可以看到CVPR历年来的最佳论文。

相关链接：

https://www.aminer.cn/bestpaper/home/intro

2019年最佳论文奖《A Theory of Fermat Paths for Non-Line-of-Sight Shape Reconstruction》

该文作者来自卡内基梅隆大学，多伦多大学和伦敦大学学院，论文一作辛书冕是卡耐基梅隆大学机器人研究院的博士。这篇最佳论文对于非视距（non-line-of-sight/NLOS）重建作出了重大贡献，特别是为智能体赋予了看到角落的能力。

最佳学生论文奖得主是《Reinforced Cross-Modal Matching & Self-Supervised Imitation Learning for Vision-Language Navigation》

作者来自加州大学圣巴巴拉分校，雷德蒙德微软研究院和杜克大学，一作王鑫。本文提出了一种视觉语言导航（VLN）任务的新方法，它结合了强化学习和自我监督模仿学习的优点，使机器人能够通过遵循引用环境地标的自然语言指令来导航到现实环境中的目标位置，模仿人类如何给出和遵循指示。

2018年最佳论文 Taskonomy：Disentangling Task Transfer Learning.
2017年最佳论文 Learning from Simulated and Unsupervised Images through Adversarial Training.
2016年最佳论文 Deep Residual Learning for Image Recognition
2015年最佳论文 Densely Connected Convolutional Networks. DynamicFusion：Reconstruction and tracking of non-rigid scenes in real-time
2014年最佳论文 What Camera Motion Reveals about Shape with Unknown BRDF

AI领域期刊TOP60排行