词频统计 matlab,5年cvpr论文词频分析，今年最火词——深度学习

国际计算机视觉与模式识别会议(CVPR)是IEEE一年一度的学术性会议，会议的主要内容是计算机视觉与模式识别技术。CVPR是世界顶级的计算机视觉会议(三大顶会之一，另外两个是ICCV和ECCV)———转自百度百科。

还有几天cvpr2015就要开幕了，录用的论文目前在大会官网http://www.pamitc.org/cvpr15/program.php已可查看。博主对11年到15年cvpr录用的论文进行词频搜索，大致勾勒出近几年视觉与学习领域的研究热点及变化，供新同学们选择研究领域时参考。

采用下面几组关键词：

(1)图像特征

Point, edge, shape, contour

(2)处理对象

Face, pedestrian, outdoor, motion,activity, hand

(3)应用领域

Segmentation, match, track, detect, salience,deblur, Retrieval,

Restoration, classify

(4)学习方法

Boost, svm, CNN, deep, Bayesian

词频搜索时，去掉了重复(若单词在同一论文标题中出现多次，只记一次)，干扰(类似surface对face的干扰等)，考虑了多态(如classification也看作是classfy)。

由于cvpr录用论文数量逐年递增(11-15年分别为438，466，472，540，602)，用15年数目做基准，对11-14年数目进行规范化，保留1位小数。得到的词频变化如下表：

CVPR2011

CVPR2012

CVPR2013

CVPR2014

CVPR2015

图像特征

Point

15.0

10.3

20.4

15.6

5

line

6.9

5.2

2.6

3.3

6

edge

4.19

7.8

3.8

4.5

10

shape

31.6

22.0

15.3

26.8

30

contour

9.6

7.8

5.1

3.3

3

处理对象

Face(-surface)

20.6

19.4

19.1

22.3

23

pedestrian

2.7

7.8

9.0

4.5

7

outdoor

0

1.3

2.6

0

1

motion

30.2

28.4

29.3

20.1

18

activity

4.1

7.8

7.7

5.6

2

hand

1.4

5.2

1.3

4.5

5

应用领域

Segment(ation)

44.0

45.2

44.6

46.8

38

match

26.1

14.2

20.4

29.0

21

track

33.0

33.6

30.6

41.2

25

detect

52.2

69.8

77.8

44.6

58

Salien(cy)

11.0

18.1

14.0

8.9

18

Deblur

4.1

3.9

6.4

4.5

6

Retri(eval)

11.0

7.8

5.1

5.6

16

Restor(ation)

1.4

0

0

2.2

4

Classi(fy)

31.6

40.0

26.8

30.1

29

学习方法

Boost

11.0

6.5

1.3

5.6

1

svm

5.5

5.2

1.3

2.2

4

NN

0

2.6

0

6.7

24

deep

1.4

6.5

3.8

16.7

61

Bayes(ian)

4.1

3.9

6.4

8.9

5

博主冒充砖家对数据说明一下，不对的地方请自动忽略：

在图像特征领域，以sift为代表的point特征研究和已snake，levelset等为代表的contour特征研究逐年减少，edge和shape的研究占据主流。

在处理对象上，face绝对是重量级的研究对象。motion的研究有下降趋势，但仍是主流方向之一。另外，在自动驾驶中用到的pedestrian检测及人机交互时用到的hand识别跟踪也有稳定的关注度

在应用领域，segmentation和detection的研究最多，track研究在14年达到顶峰，15年有大幅减少。saliency和retrieval在15年大幅增多。

在机器学习领域，目前最火的毫无悬念当属深度学习(deep

learning， CNN)，svm，boost基本被边缘化了。

最后，给要想冲击cvpr2016的同学建议，赶紧换到深度学习人脸识别研究方向，论文题目都想好了，就叫 deepFace：shape

based face detector！！！