模式识别、计算机视觉、机器学习领域的顶级期刊和会议（整理）

最新推荐文章于 2024-09-11 19:59:50 发布

birdNet23

最新推荐文章于 2024-09-11 19:59:50 发布

阅读量1.4k

点赞数 1

分类专栏：研究员(科研_职业规划) 文章标签：顶级科研会议顶级期刊人工智能

研究员(科研_职业规划) 专栏收录该内容

27 篇文章 0 订阅

订阅专栏

部分AI刊物影响因子05 SCIIF
2005 2004JMLR 4.027 5.952（机器学习）PAMI 3.810 4.352（模式识别）
IJCV 3.657 2.914（计算机视觉）
TOIS 4.529 4.097
AIJ 2.638 3.570
MLJ 3.108 3.258
ECJ 1.568 3.206
TEvC 3.257 3.688
DMKD 2.105 2.800
NCJ 2.591 2.364
TNN 2.205 2.178
PR 2.153 2.176
Alife 1.857 2.150
JASIST 1.583 2.086
JAIR 2.247 2.045
CIJ 0.850 1.923
NNJ 1.665 1.736
TFS 1.701 1.373
TKDE 1.758 1.243
IRJ 2.036 1.231
AIIM 1.882 1.124
TSMCB 1.108 1.052
AICom 0.612 0.738
AIRev 0.868 0.562

1、计算机视觉和模式识别
计算机视觉方向的一些顶级会议和期刊
Computer VisionConf.:
Best: ICCV, Inter. Conf. on Computer Vision
CVPR, Inter. Conf. on Computer Vision and PatternRecognition
Good: ECCV, Euro. Conf. on Comp. Vision
ICIP, Inter.Conf. on Image Processing
ICPR, Inter.Conf. on Pattern Recognition
ACCV, Asia Conf.on Comp. Vision
Jour.:
Best: PAMI, IEEE Trans. on Patt. Analysis and MachineIntelligence
IJCV, Inter. Jour. on Comp. Vision
Good: CVIU, Computer Vision and Image Understanding
PR, Pattern Reco.

计算机视觉方面的三大国际会议是ICCV, CVPR和ECCV，统称之为ICE。
ICCV的全称是InternationalComference on Computer Vision，正如很多和他一样的名字的会议一行，这样最朴实的名字的会议，通常也是这方面最nb的会议。ICCV两年一次，与ECCV正好错开，是公认的三个会议中级别最高的。它的举办地方会在世界各地选，上次是在北京，下次在巴西，2009在日本。iccv上的文章看起来一般都比较好懂，我是比较喜欢的。
CVPR的全称是InternaltionalConference on Computer Vision and Pattern Recogintion。这是一个一年一次的会议，举办地从来没有出过美国，因此想去美国旅游的同学不要错过。正如它的名字一样，这个会上除了视觉的文章，还会有不少模式识别的文章，当然两方面的结合自然也是重点。
ECCV的全称是EuropeonConference on Computer Vision，是一个欧洲的会议。虽然名字不是International，但是会议的级别不比前面两个差多少。欧洲人一般比较看中理论，但是从最近一次会议来看，似乎大家也开始注重应用了，oral里面的demo非常之多，演示效果很好，让人赏心悦目、叹为观止。不过欧洲的会有一个不好，就是他们的人通常英语口音很重，有些人甚至不太会说英文，所以开会和交流的时候，稍微有些费劲。
总的来说，以上三个会议是做计算机视觉人必须关注的会议，建议每一期的oral都要精读，poster调自己相关的仔细看看。如果有好的进一步的想法，可以马上发表，因为他们已经是最新的了，对他们的改进通常也是最新的。同时如果你做了类似的工作，却没有引用这些会议的文章，很有可能会被人指出综述部分的问题，因为评审的人一般都是牛人，对这三个会议也会很关注的。

ICCV/CVPR/ECCV三个顶级会议, 它们档次差不多,都应该在一流会议行列, 没有必要给个高下. 有些US的人认为ICCV/CVPR略好于ECCV,而欧洲人大都认为ICCV/ECCV略好于CVPR, 某些英国的人甚至认为BMVC好于CVPR.简言之, 三个会议差不多, 各有侧重和偏好.
笔者就个人经验浅谈三会异同, 以供大家参考和讨论. 三者乃cv领域的旗舰和风向标,其oral paper (包括best paper) 代表当年度cv的最高水准, 在此引用HarryShum的一句话, 想知道某个领域在做些什么, 找最近几年此领域的proceeding看看就知道了. ICCV/CVPR由IEEE Computer Society牵头组织, ECCV好像没有专门负责的组织. CVPR每年(除2002年)都在美国开, ECCV每两年开一次,仅限欧洲, ICCV也是每两年一次,
各洲轮值.基本可以保证每年有两个会议开, 这样研究者就有两次跻身牛会的机会.
就录取率而言, 三会都有波动. 如ICCV2001录取率>30%,且出现两个人(华人)各有三篇第一作者的paper的情况, 这在顶级牛会是不常见的 (灌水嫌疑). 但是,ICCV2003, 2005两次录取率都很低, 大约20%左右. ECCV也是类似规律, 在2004年以前都是>30%, 2006年降低到20%左右. CVPR的录取率近年来一直偏高, 从2004年开始一直都在[25%,30%].最近一次CVPR2006是28.1%, CVPR2007还不知道统计数据. 笔者猜测为了维持录取paper的绝对数量,
当submission少的时候录取率偏高, 反之偏低, 近几年三大会议的投稿数量全部超过1000, 相对2000年前, 三会录取率均大幅度降低, 最大幅度50%->20%. 对录取率走势感兴趣的朋友, 可参考http://vrlab.epfl.ch/~ulicny/statistics/(CVPR2004的数据是错的),http://www.adaptivebox.net/research/bookmark/CICON_stat.html.
显然, 投入cv的人越来越多,这个领域也是越来越大,这点颇不似machine learning一直奉行愚蠢的小圈子主义. 另外一点值得注意, ICCV/ECCV只收vision相关的topic, 而cvpr会收少量的pattern recognition paper, 如fingerprint等, 但是不收和image/video完全不占边的pr paper,如speech recognition等. 我一个朋友曾经review过一篇投往CVPR的speech的paper, 三个reviewer一致拒绝,
其中一个reviewer搞笑的指出,你这篇paper应该是投ICASSP被据而转投CVPR的. 就topic而言, CVPR涵盖最广. 还有一个没有验证过的原因导致CVPR录取率高: 很多us的researcher不愿意或没有足够的经费到us以外的地方开会, 故CVPR会优先接收很多来自us的paper (让大家都happy).
以上对三会的分析对我们投paper是很有指导作用的. 目前的research我想绝大部分还是纸上谈兵, 必经 read paper -> write paper ->publish paper -> publish paper on top conferences and journals流程. 故了解投paper的一些基本技巧, 掌握领域的走向和热点, 是非常必要的. 避免做无用功,选择切合的topic, 改善presentation, 注意格式 (遵守规定的模板), 我想这是很多新手需要注意的问题.
如ICCV2007明文规定不写summarypage直接reject, 但是仍然有人忽视, 这是相当不值得的

2、机器学习
看了版上很多贴子，发现很多版友都在问“热门研究方向”、“最新方法”等。有同学建议国内某教授的教材、或者CNKI、或者某些SCI期刊。每当看到这种问题，我都有点纳闷，为什么不去读顶级会议上的论文？
我无意否认以上文献的价值，但是在机器学习、计算机视觉和人工智能领域，顶级会议才是王道。国内教材和CNKI上的基本是N年前老掉牙的东西。有人会质疑这些会议都只是EI。是的，这的确非常特殊：在许多其它领域，会议都是盛会，比如societyof neuroscience的会议，每次都有上万人参加，带个abstract和poster就可以去。但在所讨论的几个领域，顶级会议的重要性无论怎么强调都不为过。
可以从以下几点说明：
（1）因为机器学习、计算机视觉和人工智能领域发展非常迅速，新的工作层出不穷，如果把论文投到期刊上，一两年后刊出时就有点out了。因此大部分最新的工作都首先发表在顶级会议上，这些顶级会议完全能反映“热门研究方向”、“最新方法”。
（2）很多经典工作大家可能引的是某顶级期刊上的论文，这是因为期刊论文表述得比较完整、实验充分。但实际上很多都是在顶级会议上首发。比如PLSA, Latent Dirichlet Allocation等。
（3）如果注意这些领域大牛的pulications，不难发现他们很非常看重这些顶级会议，很多人是80%的会议+20%的期刊。即然大牛们把最新工作发在顶级会议上，有什么理由不去读顶级会议？
(1)
以下是不完整的列表，但基本覆盖。
机器学习顶级会议：NIPS, ICML, UAI,AISTATS; （期刊：JMLR, ML, Trends in ML, IEEET-NN）
计算机视觉和图像识别：ICCV, CVPR, ECCV; （期刊：IEEET-PAMI, IJCV, IEEE T-IP）
人工智能：IJCAI, AAAI; （期刊AI）
另外相关的还有SIGRAPH, KDD, ACL, SIGIR, WWW等。
特别是，如果做机器学习，必须地，把近4年的NIPS,ICML翻几遍；如果做计算机视觉，要把近4年的ICCV, CVPR, NIPS, ICML翻几遍。
(2)
另外补充一下：大部分顶级会议的论文都能从网上免费下载到，比如CV方面：http://www.cvpapers.com/index.html; NIPS: http://books.nips.cc/; JMLR(期刊): http://jmlr.csail.mit.edu/papers/; COLT和ICML(每年度的官网): http://www.cs.mcgill.c
… ceedings.html。希望这些信息对大家有点帮助。
(3)
说些自己的感受。我的研究方向主要是统计学习和概率图模型，但对计算机视觉和计算神经科学都有涉及，对Datamining和IR也有些了解。这些领域，从方法和模型的角度看，统计模型（包括probabilisticgraphical model和statistical learning theory）是主流也是非常有影响力的方法。有个非常明显的趋势：重要的方法和模型最先在NIPS或ICML出现，然后应用到CV,IR和MM。虽然具体问题和应用也很重要，但多关注和结合这些方法也很有意义。
对于这个领域的牛人们，以上全是浅显的废话，完全可以无视。欢迎讨论

3、其他

计算机视觉、IP、AI方向的一些顶级会议和期刊
Network
Conf.:
ACM/SigCOMM ACM Special InterestGroup of Communication…
ACM/SigMetric 这个系统方面也有不少的
Info Com 几百人的大会，不如ACM/SIG的精。
Globe Com 这个就很一般了，不过有时候会有一些新的想法提出来。
Jour.:
ToN (ACM/IEEE Transaction onNetwork)
A.I.Conf.:
AAAI: American Association forArtificial Intelligence
ACM/SigIR: 这个是IR方面的，可能DB/AI的人都有
IJCAI: International JointConference on Artificial Intelligence
NIPS: Neural Information ProcessingSystems
ICML: International Conference onMachine Learning
Jour.:
Machine Learning
NEURAL COMPUTATION: 这个的影响因子在AI里最高，2000年为1.921
ARTIFICIAL INTELLIGENCE: 1.683(2000年的数据，下同)
PAMI: 1.668
IEEE TRANSACTIONS ON FUZZY SYSTEMS:1.597
IEEE TRANSACTIONS ON NEURALNETWORKS: 1.395
AI MAGAZINE: 1.044
NEURAL NETWORKS: 1.019
PATTERN RECOGNITION: 0.781
IMAGE AND VISION COMPUTING: 0.616
IEEE TRANSACTIONS ON KNOWLEDGE ANDDATA ENGINEERING: 0.465
APPLIED INTELLIGENCE: 0.268OS,System
Conf.:
SOSP: The ACM Symposium on OperatingSystems Principles
(2年一次，想中一篇太难了)
OSDI: USENIX Symposium on OperatingSystems Design and ImplementationDatabase
Conf.:
ACM SIGMOD
VLDB:International Conference onVery Large Data Bases
ICDE:International Conference onData Engineering
//这三个会议并称为数据库方向的三大顶级会议Security
Conf.:
IEEE Security and Privacy
CCS: ACM Computer and CommunicationsSecurity
NDSS (Network and Distributed SystemsSecurity)
Web
Conf.:
WWW(International World Wide WebConference)
Theory
Conf.:
STOC
FOCSEDA
Conf.:
Best:
DAC: IEEE/ACMDesign Automation Conference
ICCAD: IEEEInternational Conference on Computer Aided Design
Good:
ISCAS: IEEEInternational Symposium on Circuits And Systems
ISPD: IEEEInternational Symposium on Physical Design
ICCD: IEEEInternational Conference on Computer Design
ASP-DAC:European Design Automation Conference
E-DAC: Asiaand South Pacific Design Automation Conference
备注：x-DAC有很多，是地区性最高级DAC会议，上面两个影响最广。
而且每年收录的论文大部分还是来自美国大学/研究所。Graphics
Conf.:
Best:
Siggraph:ACM SigGraph
Good:
Euro Graph
Jour.:
IEEE(ACM)Trans. on Graphics
IEEE Trans.on Visualization and Computer GraphicsCAD
Jour.:
CAD
CAGDSE
conf.:
ICSE The InternationalConference on Software Engineering
FSE TheFoundations of Software Engineering Conferences
ICASE IEEE InternationalConference on Automated Software Engineering
COMPSAC International Computer Softwareand Applications Conferences
ESEC The EuropeanSoftware Engineering Conferences
Jour.:
SEN ACM SIGSOFTSoftware Engineering Notes
TSE IEEETransactions on Software Engineering
ASE AutomatedSoftware Engineering
SPE Software-Practice and Experience