1. 云栖社区>
  2. 博客列表>
  3. 正文

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】

readygo 2016-06-22 09:27:44 浏览4524 评论0

深度学习 计算机视觉

摘要: 这是一份被国外专家引用最多的计算机视觉和深度学习论文清单。

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)

版权声明:本文内容由互联网用户自发贡献,本社区不拥有所有权,也不承担相关法律责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件至:yqgroup@service.aliyun.com 进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。

用云栖社区APP,舒服~

【云栖快讯】他,一路保送,但可能不是你想象中的学霸; 他,曾是微软最年轻的技术管理者,挑战带领跨国团队; 他,后来加入阿里,成为阿里西雅图分部的第22名员工; 他,就是阿里通用计算平台负责人关涛! 云栖社区通过短视频,为你揭晓他的成长和开发计算平台的经历,以及他对未来的展望!  详情请点击

网友评论

关注
readygo
我们是一群关注海内外前沿技术的学生,致力翻译优...
31篇文章|165关注
是阿里云安全专家基于阿里云多年安全最佳实践经验为云上用户提供的全方位安全技术和咨询服务,为云上用户建立和持续优化... 更多>

GPU云服务器是基于GPU应用的计算服务,多适用于视频解码,图形渲染,深度学习,科学计算等应用场景,该产品具有实... 更多>

阿里云机器学习是基于阿里云分布式计算引擎的一款机器学习算法平台。用户通过拖拉拽的方式可视化的操作组件来进行试验,... 更多>

为您提供简单高效、处理能力可弹性伸缩的计算服务,帮助您快速构建更稳定、安全的应用,提升运维效率,降低 IT 成本... 更多>
安全技术百问

安全技术百问