时隔两年，盘点ECCV 2018影响力最大的20篇论文

上周CV君盘点了去年CVPR中引用量最高的 20 篇论文：

时隔一年，盘点CVPR 2019影响力最大的20篇论文

不少朋友催更ECCV 2018的。

同样是计算机视觉领域顶级会议，ECCV 每两年举办一次,今年的ECCV 2020 在八月末举行，本文盘点 ECCV 2018 影响力最大的20篇论文，毕竟两年过去了，足以看出论文的含金量，事实上直到如今这些工作还深刻影响着计算机视觉领域。

本文所指的影响力以谷歌学术上显示的论文的引用量排序，截止时间为2020年8月3日（今天）。

同前文，先说一些有意思的结论：

1. 这些论文均有开源代码，大部分算法有官方开源版本，少部分由他人实现，其中的著名算法如 DeepLabv3+、CBAM、Group normalization、ShuffleNet V2、BiseNet 都有很多开源实现。经过时间检验的算法，当然会有很多人复现。

2. 这20篇论文包含方向：语义分割（3篇）、注意力模型、网络归一化、神经架构搜索（2篇）、轻量级网络结构、图像翻译（GAN，2篇）、超分辨率、人员重识别（Person ReID）、目标检测、图像修复（Inpainting）、无监督学习、弱监督学习、姿态估计、目标跟踪、动作识别、三维重建。

3. DeepLabv3+ 引用数第一除了因为自身精度高长期霸榜、光芒万丈外，近两年语义分割方向太火肯定也是一个很大的因素，ECCV 2018 就有 3 篇语义分割文章入前20。

4. 排名靠前的算法除了引用数第一的 DeepLabv3+ 为特定方向的算法外（引用数 1941，将近是第 2、3、4位论文引用数总和），其他如CBAM注意力模型（引用数 780）、GN网络归一化方法（引用数 685）、神经架构搜索PNASNet（引用数 663）、轻量级网络结构Shufflenet v2（引用数 654）等研究的均为通用的网络设计、训练方法和组件。

5. CornerNet 算法排名第九，作为anchor-free类目标检测算法的代表作，勉强守住了前十。CVPR 2019 引用最高的20篇论文中出现两篇3D目标检测算法，很明显能看出3D目标检测越来越引起学界的兴趣。

6. 大部分论文有工业界的身影，比如谷歌 4 篇，Facebook 3篇，英伟达 2 篇，Adobe、Intel各 1 篇，国内企业界旷视 2 篇、商汤 2 篇、腾讯 2 篇、微软亚研院 1 篇。

大家还发现了哪些有意思的地方，欢迎在文末留言交流。

   NO.1 语义分割  DeepLabv3+

Encoder-decoder with atrous separable convolution for semantic image segmentation

作者 | Liang-Chieh Chen, Yukun Zhu, George Papandreou, Florian Schroff, Hartwig Adam

单位 | 谷歌

论文 |  https://arxiv.org/abs/1802.02611

解读 | https://zhuanlan.zhihu.com/p/126567709

代码 | https://github.com/tensorflow/models/

tree/master/research/deeplab

引用 | 1941

   NO.2 注意力模型 CBAM

CBAM: Convolutional block attention module

通用提升CNN模型性能的卷积块注意力模型

作者 | Sanghyun Woo, Jongchan Park, Joon-Young Lee, In So Kweon

单位 | 韩国科学技术院；Lunit Inc；Adobe Research

论文 | https://arxiv.org/abs/1807.06521

代码 | https://github.com/Jongchan/attention-module

引用 | 780

   NO.3 归一化方法 GN

Group normalization

可代替BN的深度学习归一化