30篇计算机视觉和深度学习论文推荐，被国外专家引用最多【可下载】

在2012年，我整理了一份有关计算机视觉的热门论文清单。我把论文的研究重点放在视觉科学上，避免其与图形处理、调研和纯静态处理等方向产生重叠。但在2012年后随着深度学习技术的兴起，计算机视觉科学发生了巨大的变化–从深度学习中产生了大量的视觉科学基线。虽然不知道该趋势还会持续多久，但我认为它们应该拥有属于自己的清单。

一如我一直强调的，被引用得最多的论文并不代表它在该领域做出的贡献就最大；而是代表了它抓住了当时的某个热点。

以下就是我重新整理的有关计算机视觉与(或)深度学习的Top30论文清单：

1、引用次数：5518
标题：深度卷积神经网络分类(Imagenet classification with deep convolutional neural networks)
A Krizhevsky, I Sutskever, GE Hinton, 2012

论文链接地址

2、引用次数：1868

标题：咖啡：快速卷积结构特征嵌入(Caffe: Convolutional architecture for fast feature embedding)

Y Jia, E Shelhamer, J Donahue, S Karayev…, 2014

论文链接地址

3.引用次数：1681

标题：反向传播算法在手写体邮政编码识别中的应用(Backpropagation applied to handwritten zip code recognition)

Y LeCun, B Boser, JS Denker, D Henderson…, 1989

论文链接地址

4.引用次数：1516

标题：实现精确对象和语义段检测的富特征层次结构(Rich feature hierarchies for accurate object detection and semantic segment)

R Girshick, J Donahue, T Darrell…, 2014

论文链接地址

5.引用次数：1405

标题： 进行大型图像识别的深层网络(Very deep convolutional networks for large-scale image recognition)

K Simonyan, A Zisserman, 2014

论文链接地址

6.引用次数：1169

标题：通过共适应的特征探测器来改进神经网络(Improving neural networks by preventing co-adaptation of feature detectors)

GE Hinton, N Srivastava, A Krizhevsky…, 2012

论文链接地址

7.引用次数：1160

标题：深入了解卷积(Going deeper with convolutions)

C Szegedy, W Liu, Y Jia, P Sermanet…, 2015

论文链接地址

8.引用次数：977

标题：反向传播网络的手写数字识别(Handwritten digit recognition with a back-propagation network)

BB Le Cun, JS Denker, D Henderson…, 1990

论文链接地址

9.引用次数：907

标题：观察和理解卷积网络(Visualizing and understanding convolutional networks)

MD Zeiler, R Fergus, 2014

论文链接地址

10.引用次数：839

标题： 降阶—以简单的方法来防止神经网络拟合(Dropout: a simple way to prevent neural networks from overfitting)

N Srivastava, GE Hinton, A Krizhevsky…, 2014

论文链接地址

11.引用次数：839

标题：Overfeat框架:使用卷积网络进行综合识别、 定位和检测(Overfeat: Integrated recognition, localization and detection using convolutional networks)

P Sermanet, D Eigen, X Zhang, M Mathieu…, 2013

论文链接地址

12.引用次数：818

标题：从微图像里学习多层次特征(Learning multiple layers of features from tiny images)

A Krizhevsky, G Hinton, 2009

论文链接地址

13.引用次数：718

标题：无咖啡因:一个用于通用图像识别的深积激活特征(DeCAF: A Deep Convolutional Activation Feature for Generic Visual Recognition)

J Donahue, Y Jia, O Vinyals, J Hoffman, N Zhang…, 2014

论文链接地址

14.引用次数：691

标题： 深度人脸:拉近与真人之间的面部识别差距(Deepface: Closing the gap to human-level performance in face verification)

Y Taigman, M Yang, MA Ranzato…, 2014

论文链接地址

15.引用次数：679

标题：深入玻耳兹曼机 (Deep Boltzmann Machines)

R Salakhutdinov, GE Hinton, 2009

论文链接地址

16.引用次数：670

标题：用于图像、 语音和时间序列的卷积网络(Convolutional networks for images, speech, and time series)

Y LeCun, Y Bengio, 1995

论文链接地址

17.引用次数：570

标题：现成的 CNN 功能: 令人震惊的基线识别(CNN features off-the-shelf: an astounding baseline for recognition)

A Sharif Razavian, H Azizpour, J Sullivan…, 2014

论文链接地址

18.引用次数：549

标题：学习场景标识中的分层结构特征 (Learning hierarchical features for scene labeling)

C Farabet, C Couprie, L Najman…, 2013

论文链接地址

19.引用次数：510

标题：完全卷积网络的语义分割(Fully convolutional networks for semantic segmentation)

J Long, E Shelhamer, T Darrell, 2015

论文链接地址

20.引用次数：469

标题： 最大输出网络(Maxout networks)

IJ Goodfellow, D Warde-Farley, M Mirza, AC Courville…, 2013

论文链接地址

21.引用次数：453

标题：精绝的细节:深度钻研卷积网(Return of the devil in the details: Delving deep into convolutional nets)

K Chatfield, K Simonyan, A Vedaldi…, 2014

论文链接地址

22.引用次数：445

标题：使用卷积神经网络进行大型视频分类 (Large-scale video classification with convolutional neural networks)

A Karpathy, G Toderici, S Shetty, T Leung…, 2014

论文链接地址

23.引用次数：347

标题：深度视觉语义路线生成图像描述(Deep visual-semantic alignments for generating image descriptions)

A Karpathy, L Fei-Fei, 2015

论文链接地址

24.引用次数：342

标题：深入学习整流器:超越人类水平的图像分类(Delving deep into rectifiers: Surpassing human-level performance on imagenet classification)

K He, X Zhang, S Ren, J Sun, 2015

论文链接地址

25.引用次数：334

标题：使用卷积神经网络来学习和转移中级图像显示 (Learning and transferring mid-level image representations using convolutional neural networks)

M Oquab, L Bottou, I Laptev, J Sivic, 2014

论文链接地址

26.引用次数：333

标题：卷积网络及其在视觉中的应用(Convolutional networks and applications in vision)

Y LeCun, K Kavukcuoglu, C Farabet, 2010

论文链接地址

27.引用次数：332

标题：使用场景数据库进行深度场景识别(Learning deep features for scene recognition using places database)

B Zhou, A Lapedriza, J Xiao, A Torralba…,2014

论文链接地址

28.引用次数：299

标题：使用深积网络中的空间金字塔池进行视觉识别 (Spatial pyramid pooling in deep convolutional networks for visual recognition)

K He, X Zhang, S Ren, J Sun, 2014

论文链接地址

29.引用次数：268

标题：使用长期递归卷积网络进行视觉识别和描述(Long-term recurrent convolutional networks for visual recognition and description)

J Donahue, L Anne Hendricks…, 2015

论文链接地址

30.引用次数：261

标题：使用二流卷积网络进行动作视频识别(Two-stream convolutional networks for action recognition in videos)

K Simonyan, A Zisserman, 2014

论文链接地址

【原文来自：Computervisionblog，译者：伍昆，来源：云栖社区】