電腦視覺和機器學習領域中頂級會議的重要性

標籤：ros   mit   sci   ons   自己的   Image Recognition   理由   列表   .com   

最近要求關注視覺注意的“熱門研究方向”、“最新方法”等。boss建議CNKI、EI、或者SCI期刊。我有點納悶，為什麼不去讀頂級會議上的論文？

感覺在機器學習、電腦視覺和人工智慧領域，頂級會議才是王道。有人會質疑這些會議都只是EI，確實，在中國的許多其它領域的會議都是盛會，比如society of neuroscience的會議，人山人海形容也不過分。但是，電腦幾個領域的確非常特殊，頂級會議的重要性無論怎麼強調都不為過。

可以從以下幾點說明：（1）因為機器學習、電腦視覺和人工智慧領域發展非常迅速，新的工作層出不窮，如果把論文投到期刊上，一兩年後刊出時就有點out 了。因此大部分最新的工作都首先發表在頂級會議上，這些頂級會議完全能反映“熱門研究方向”、“最新方法”。（2）很多經典工作大家可能引的是某頂級期刊 上的論文，這是因為期刊論文表述得比較完整、實驗充分。但實際上很多都是在頂級會議上首發。比如PLSA, Latent Dirichlet Allocation等。（3）如果注意這些領域大牛的pulications，不難發現他們很非常看重這些頂級會議，很多人是80%的會議+20%的期刊。即然大牛們把最新工作發在頂級會議上，有什麼理由不去讀頂級會議？

(1)以下是幾個頂級會議的列表（不完整的，但基本覆蓋）

機器學習頂級會議：NIPS, ICML, UAI, AISTATS;  （期刊：JMLR, ML, Trends in ML, IEEE T-NN）
電腦視覺和Image Recognition：ICCV, CVPR, ECCV;  （期刊：IEEE T-PAMI, IJCV, IEEE T-IP）
人工智慧：IJCAI, AAAI; （期刊AI）
另外相關的還有SIGRAPH, KDD, ACL, SIGIR, WWW等。

特別是，如果做機器學習，必須地，把近4年的NIPS, ICML翻幾遍；如果做電腦視覺，要把近4年的ICCV, CVPR, NIPS, ICML翻幾遍。

(2)另外補充一下：大部分頂級會議的論文都能從網上免費下載到，

比如CV方面：http://www.cvpapers.com/index.html

NIPS: http://books.nips.cc/ 

JMLR(期刊): http://jmlr.csail.mit.edu/papers/ 

COLT和ICML(每年度的官網): http://www.cs.mcgill.ca/~colt2009/proceedings.html

希望這些資訊對大家有點協助。

(3)說些自己的感受。對電腦視覺和計算神經科學領域，從方法和模型的角度看，統計模型（包括probabilistic graphical model和statistical learning theory）是主流也是非常有影響力的方法。有個非常明顯的趨勢：重要的方法和模型最先在NIPS或ICML出現，然後應用到CV,IR和MM。雖然具體問題和應用也很重要，但多關注和結合這些方法也很有意義。

電腦視覺和機器學習領域中頂級會議的重要性（轉）