顶级会议

机器学习、计算机视觉和人工智能领域,顶级会议才是王道。

(1)以下是几个顶级会议的列表(不完整的,但基本覆盖)

机器学习顶级会议:NIPS, ICML, UAI, AISTATS;  (期刊:JMLR, ML, Trends in ML, IEEE T-NN)

计算机视觉和图像识别:ICCV, CVPR, ECCV;  (期刊:IEEE T-PAMI, IJCV, IEEE T-IP)

人工智能:IJCAI, AAAI; (期刊AI)

另外相关的还有SIGRAPH, KDD, ACL, SIGIR, WWW等。

如果做机器学习,必须地,把近4年的NIPS, ICML翻几遍;如果做计算机视觉,要把近4年的ICCV, CVPR, NIPS, ICML翻几遍。大部分顶级会议的论文都能从网上免费下载到。

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(每年度的官网): http://www.cs.mcgill.ca/~colt2009/proceedings.html

(3)对计算机视觉和计算神经科学领域,从方法和模型的角度看,统计模型(包括probabilistic graphical modelstatistical learning theory)是主流也是非常有影响力的方法。有个非常明显的趋势:重要的方法和模型最先在NIPS或ICML出现,然后应用到CV,IR和MM

Conference Ranks:

  http://www.conferenceranks.com/index.html

  https://www.zhihu.com/question/20224890

ECCV,ECCV的全称是European Conference on Computer Vision(欧洲计算机视觉国际会议) 

ICCV,ICCV的全称是International Comference on Computer Vision(国际计算机视觉大会) 

CVPR,CVPR是IEEE Conference on Computer Vision and Pattern Recognition,(IEEE国际计算机视觉与模式识别会议) 

LCLR,International Conference on Learning Representations这个会发展很快

单单看ML文章质量的话,我觉得是这样的排名

期刊:

JMLR

MLJ和PAMI次之

TNN、neural computation、PR再次一些

PRL、neuralcomputing等等基本纯水。

会议:

NIPS、ICML、COLT

UAI、AISTATS、KDD、CVPR次之

ECML、IJCAI、AAAI、ICDM更次一些


AAAI:National Conference of the American Association for Artificial Intelligence 美国人工智能协会全国会议

INFOCOM:Joint Conference of the IEEE Computer and Communications Societies

  IEEE计算机与通信学会联合会议

IJCAI:International Joint Conference on Artificial Intelligence  国际人工智能联合会议

ICML:International Conference on Machine Learning  国际机器学习会议

SIGIR:ACM International Conference on Research and Development in Information Retrieval  ACM国际信息检索研究与发展会议

SIGKDD:ACM International Conference on Knowledge Discovery and Data Mining

  ACM知识发现和数据挖掘国际会议

WWW:International World Wide Web Conference  国际万维网会议

NIPS:Conference and Workshop on Neural Information Processing Systems  神经信息处理系统大会

WSDM:Web Search and Data Mining

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,542评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,596评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,021评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,682评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,792评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,985评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,107评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,845评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,299评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,612评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,747评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,441评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,072评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,828评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,069评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,545评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,658评论 2 350

推荐阅读更多精彩内容