热门论文Top 30:那些被国外专家引用最多的计算机视觉和深度学习论文【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
PS:有个别论文是付费阅读,无PDF(但提供了入口链接)。
原文来自:Computervisionblog(译者:伍昆)
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
论文笔记之:Playing Atari with Deep Reinforcement Learning
Playing Atari with Deep Reinforcement Learning 《Computer Science》,2013 Abstract: 本文提出了一种深度学习方法,利用强化学习的方法,直接从高维的感知输入中学习控制策略。模型是一个卷积神经网络,利用 Q-learning的一个变种来进行训练,输入是原始像素,输出是预测将来的奖励的 value function。将此方法应用到 Atari 2600 games 上来,进行测试,发现在所有游戏中都比之前的方法有效,甚至在其中3个游戏中超过了一个人类玩家的水平。 Introduction: 从高维感知输入中学习控制agents,像视觉或者speech 是强化学习中一个长期的挑战。大部分成功的涉及到这几个领域的RL 应用都依赖于手工设计的feature 和 线性策略函数或者策略表示的组合。明显,这种系统的性能严重的依赖于特征表示的质量。 最近深度学习的发展,对于从原始感知数据中提取高层feature 称为可能,并且在计算机视觉和语音识别上面取得了很大的进展。这些方法利用神经网络结构,包括 神经网络,多层感知机,RB...
- 下一篇
安卓Android科大讯飞语音识别代码使用详解
科大讯飞的语音识别功能用在安卓代码中,我把语音识别写成了Service,然后在Fragment直接调用service服务。科大讯飞语音识别用的是带对话框的那个,直接调用科大讯飞的语音接口,代码采用链表结果集的方式获取数据。这个语音识别需要在官网申请APPID 本博来自:http://blog.csdn.net/zhaocundang小波LinuxQQ463431476 测试: 自己项目采用了科大讯飞语音识别服务,报告中是这样解释的: 语音Service服务代码设计 (1)要想写好Service代码,必须了解Service的生命周期. (2)首先启动Service服务的方法是:getActivity().startService(new Intent(getActivity(),VoiceService.class));停止Service服务:getActivity().stopService(new Intent(getActivity(),VoiceService.class));(3)将类继承与Service:public class VoiceService extends Se...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- 设置Eclipse缩进为4个空格,增强代码规范
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- CentOS8安装Docker,最新的服务器搭配容器使用
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- CentOS7安装Docker,走上虚拟化容器引擎之路
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题