必读论文 | 卷积神经网络百篇经典论文推荐

作为深度学习的代表算法之一，卷积神经网络（Convolutional Neural Networks，CNN）在计算机视觉、分类等领域上，都取得了当前最好的效果。

卷积神经网络的前世今生

卷积神经网络的发展，最早可以追溯到 1962 年，Hubel 和 Wiesel 对猫大脑中的视觉系统的研究。
1998 年，著名计算机科学家 Yann LeCun 在论文 Gradient-Based Learning Applied to Document Recognition 中提出了 LeNet-5，将 BP 算法应用到神经网络结构的训练上，形成了当代卷积神经网络的雏形。
直到 2012 年，AlexNet 网络出现之后，神经网络开始崭露头角。在 Imagenet 图像识别大赛中，Hinton 组的论文 ImageNet Classification with Deep Convolutional Neural Networks 中提到的 Alexnet 引入了全新的深层结构和 dropout 方法，一下子把 error rate 从 25% 以上提升到了 15%，一举颠覆了图像识别领域。此后卷积神经网络声名大噪并蓬勃发展，广泛用于各个领域，在很多问题上都取得了当前最好的性能。
2015 年深度学习领域的三巨头 LeCun、Bengio、Hinton 在 Nature 上发表一篇综述文章 Deep Learning，系统地总结了深度学习的发展前世今生。
在 2016 年，CNN 再次给人们一个惊喜：谷歌研发的基于深度神经网络和搜索树的智能机器人“AlphaGo”在围棋上击败了人类，更惊喜的是谷歌在 Nature 专门发表了一篇文章来解释 AlphaGo，文章名字为 Mastering the game of Go with deep neural networks and tree search。
随后利用了 ResNet 和 Faster-RCNN 的思想，一年后的 Master 则完虐了所有人类围棋高手，达到神一般的境界，人类棋手毫无胜机。后来又有很多复现的开源围棋 AI，每一个都能用不大的计算量吊打所有的人类高手。
可以说，卷积神经网络是深度学习算法应用最成功的领域之一。

卷积神经网络百篇经典论文

研读卷积神经网络的经典论文，对于学习和研究卷积神经网络必不可缺。
根据相关算法，AMiner 从人工智能领域国际顶会/期刊中提取出“卷积神经网络”相关关键词，筛选并推荐了 100 篇经典必读论文。

需要论文资料的可以关注公众号【咕泡AI】回复：168 领取

这 100 篇论文大多发表于 2015 年至 2019 年间，主要发表在 CVPR、ICCV、ICML、NeuIPS 等计算机视觉顶级学术会议上。
在该领域发表论文最多的学者中，“神经网络之父”、“深度学习鼻祖”Hinton 与 Bengio 双双上榜，为深度学习研究持续贡献了力量。
按照这 100 篇经典论文的被引用量，我们挑选了其中的 TOP10 作简单评述。

Fully Convolutional Networks for Semantic Segmentation（CV