點上方藍字計算機視覺聯盟獲取更多干貨

在右上方?···?設為星標?★，與你不見不散

來源于聯盟博士翻譯總結

正文共：7179?字?21?圖 ? ? ? ? ? ? ?? ?預計閱讀時間：?18?分鐘

谷歌學術跟蹤近四億份學術論文和其他學術文獻的引用信息，Google Scholar是世界上最大的數據庫，旨在衡量近期出版物的“知名度和影響力”

本次最新谷歌學術頂級影響力排行榜前7名，論文內容涵蓋人工智能、深度學習、引力波...

2019年8月2日，剛剛發布的Google Scholar排名最高引用的出版物揭示了圍繞人工智能（AI）展開的研究。

在“自然”雜志中被引用次數最多的五篇論文中，其中三篇與人工智能有關，其中一篇與超過16,000篇引文相關。

隨著世界頂級人工智能會議之一 - 計算機視覺與模式識別（CVPR）的IEEE / CVF會議 - 的出版物今年首次登上今年的十大期刊。其中一篇論文在過去的三年中，已經引用了25,256次引用。

以下是世界上最具影響力的期刊發表的被引用次數最多的文章：

1.?"Deep Residual Learning for Image Recognition"?(2016)

Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition
25,256 citations

Of the 100 top-ranked journals this year, five are AI conference publications. This particular journal, which made a huge leap in the rankings this year, has three articles with more than 10,000 citations each – a feat not matched by any other journal.

As Synced's Fangyu Cai?points out, "It should come as no surprise … that AI conferences are publishing so prodigiously – in recent years they have evolved from low-key academic gatherings into extravagant multimedia events attracting thousands and serving as showcases for major innovations and breakthroughs in AI research, development, and deployment."

This particular article was written by a research team from?Microsoft?– a company that achieved a?significant increase?in high-quality research output in 2018, as tracked by the Nature Index.

聯盟解讀：

這篇文章被引兩萬五千余次！

這是微軟團隊進行的研究，同時2018年此團隊也高產論文。

在今年排名前100位的期刊中，有5種是人工智能會議出版物。

文章摘要：

更深層次的神經網絡更難訓練。我們提出了一個殘差學習框架，以簡化對比以前使用的網絡更深入的網絡的訓練。我們根據層輸入顯式地將層重新表示為學習殘差函數（ learning residual functions），而不是學習未定義函數。我們提供了綜合的經驗證據，表明這些殘差網絡易于優化，并且可以從大幅度增加的深度中獲得精度。在ImageNet數據集上，我們估計殘差網絡的深度可達152層--是vgg網絡的8倍深[41]，但仍然具有較低的復雜性。這些殘差網的集合在圖像集上的誤差達到了3.57%。這個結果獲得了ILSVRC2015的分類任務第一名，我們還用CIFAR-10數據集分析了100層和1000層的網絡。

? ? 表示深度對于許多視覺識別任務是非常重要的。僅僅由于我們的表示非常深入，我們在coco對象檢測數據集上得到了28%的相對改進。深度殘差網絡是我們參加ILSVRC & COCO 2015 競賽上所使用模型的基礎，并且我們在ImageNet檢測、ImageNet定位、COCO檢測以及COCO分割上均獲得了第一名的成績。

◆?◆?◆ ?◆?◆

2.?"Deep learning"?(2015)

Nature
16,750 citations

This paper stands out not just because of its high number of citations, but because there was a difference of more than 10,000 between its citation count and the second most-cited?Nature?paper in the 2019 Google Scholar Metrics report.

Authored by 2018 Turing Award winners, Yann LeCun,?Yoshua Bengio?and Geoffrey Hinton – known collectively as the?'Godfathers of AI'?– the paper is a seminal review of the potential of the AI technologies.

聯盟解讀：

這篇文章系出名門，出自Nature，是圖靈獎的獲得者寫的綜述

本文不僅因為其引用數量眾多而引人注目，而且因為引用次數與2019年Google學術搜索指標報告中引用數量最多的第二篇自然論文之間存在差異超過10,000。

由圖靈獎得主，Yann LeCun，Yoshua Bengio和Geoffrey Hinton（統稱為“AI的教父”）撰寫的論文是對人工智能技術潛力的開創性回顧。

文章摘要：

深度學習可以讓那些擁有多個處理層的計算模型來學習具有多層次抽象的數據的表示。這些方法在許多方面都帶來了顯著的改善，包括最先進的語音識別、視覺對象識別、對象檢測和許多其它領域，例如藥物發現和基因組學等。深度學習能夠發現大數據中的復雜結構。它是利用BP算法來完成這個發現過程的。BP算法能夠指導機器如何從前一層獲取誤差而改變本層的內部參數，這些內部參數可以用于計算表示。深度卷積網絡在處理圖像、視頻、語音和音頻方面帶來了突破，而遞歸網絡在處理序列數據，比如文本和語音方面表現出了閃亮的一面。

◆?◆?◆ ?◆?◆

3.?"Going Deeper with Convolutions"?(2015)

Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition
14,424 citations

This paper by Google AI researchers describes their new object-detection system, GoogLeNet, built using a deep neural network system codenamed Inception.

It received?top marks?in the 2014 ImageNet Large Scale Visual Recognition Challenge – an international computer vision competition.

In 2018, Google’s parent company,?Alphabet, was the?sixth most prolific corporate entity?in high-quality research output in the Nature Index.

聯盟解讀：

本文由Google AI研究人員描述了他們的新物體檢測系統GoogLeNet，它使用代號為Inception的深度神經網絡系統構建。

它在2014年ImageNet大規模視覺識別挑戰賽中獲得最高分。

2018年，谷歌的母公司Alphabet在自然指數中成為高質量研究產出中第六大多產企業

文章摘要：

我們在ImageNet大規模視覺識別挑戰賽2014（ILSVRC14）上提出了一種代號為Inception的深度卷積神經網絡結構，并在分類和檢測上取得了新的最好結果。這個架構的主要特點是提高了網絡內部計算資源的利用率。通過精心的手工設計，我們在增加了網絡深度和廣度的同時保持了計算預算不變。為了優化質量，架構的設計以赫布理論和多尺度處理直覺為基礎。我們在ILSVRC14提交中應用的一個特例被稱為GoogLeNet，一個22層的深度網絡，其質量在分類和檢測的背景下進行了評估。

◆?◆?◆ ?◆?◆

4.?"Fully Convolutional Networks for Semantic Segmentation"?(2015)

Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition
10,153 citations

A team from the?University of California, Berkeley?was responsible for this highly influential AI paper, which describes a state-of-the-art approach to building AI systems that can identify objects in images.

This particular type of model, semantic segmentation, can be used to count the number of objects in a single image, which has?great potential?for technologies such as self-driving cars and robotics.

聯盟解讀：

加州大學伯克利分校的一個團隊負責這篇極具影響力的AI論文，該論文描述了構建能夠識別圖像中物體的AI系統的最先進方法。

這種特殊類型的模型，語義分割，可用于計算單個圖像中的對象數量，這對于諸如自動駕駛汽車和機器人技術具有很大潛力。

文章摘要：

卷積網絡在特征分層領域是非常強大的視覺模型。我們證明了經過端到端、像素到像素訓練的卷積網絡超過語義分割中最先進的技術。我們的核心觀點是建立“全卷積”網絡，輸入任意尺寸，經過有效的推理和學習產生相應尺寸的輸出。我們定義并指定全卷積網絡的空間，解釋它們在空間范圍內dense prediction任務(預測每個像素所屬的類別)和獲取與先驗模型聯系的應用。我們改編當前的分類網絡(AlexNet [22] ,the VGG net [34] , and GoogLeNet [35] )到完全卷積網絡和通過微調 [5] 傳遞它們的學習表現到分割任務中。然后我們定義了一個跳躍式的架構，結合來自深、粗層的語義信息和來自淺、細層的表征信息來產生準確和精細的分割。我們的完全卷積網絡成為了在PASCAL VOC最出色的分割方式（在2012年相對62.2%的平均IU提高了20%），NYUDv2，和SIFT Flow,對一個典型圖像推理只需要花費不到0.2秒的時間。?

◆?◆?◆ ?◆?◆

5.?"Prevalence of Childhood and Adult Obesity in the United States, 2011-2012"?(2014)

JAMA
8,057 citations

No non-AI-related paper received more than 10,000 citations in the?2019 Google Scholar Metrics, but this investigation by a team from the US?Centers for Disease Control and Prevention?came close.

At the time of its release, the study provided the most up-to-date national estimates of childhood obesity in the United States and found that more than one-third of adults and 17% of youth were obese.

It did conclude, however, that there had been no significant changes in obesity prevalence in youth or adults between 2003-2004 and 2011-2012.

聯盟解讀：

在2019年的Google學術搜索指標中，沒有非人工智能相關的論文獲得超過10,000次引用，但美國疾病控制和預防中心的一個團隊的調查結果非常接近。

在其發布時，該研究提供了美國最新的兒童肥胖國家估計數，發現超過三分之一的成年人和17％的青年人肥胖。

然而，它確實得出結論，2003 ?- ?2004年和2011 ?- ?2012年間，青年或成年人的肥胖患病率沒有顯著變化。

◆?◆?◆ ?◆?◆

6.?"Global, regional, and national prevalence of overweight and obesity in children and adults during 1980–2013: a systematic analysis for the Global Burden of Disease Study 2013"?(2014)

Lancet
7,371 citations

With almost 200 authors from more than 100 institutions, this paper signifies an enormous undertaking to investigate the global prevalence of obesity.

The study found that the proportion of adults in the world that were overweight or obese had increased between 1980 and 2013, particularly in developed countries, and identified obesity as a major global health challenge.

The second most-cited?Lancet?paper had 2,459 citations, making this paper an anomaly for the medical journal.

聯盟解讀：

來自100多家機構的近200名作者，這篇論文標志著調查全球肥胖患病率的巨大努力。

該研究發現，1980年至2013年，世界上超重或肥胖的成年人比例有所增加，特別是在發達國家，并將肥胖確定為全球主要的健康挑戰。

引用次數最多的Lancet論文有2,459次引用，使得這篇論文成為醫學期刊的一個異常。

◆?◆?◆ ?◆?◆

7.?"Observation of Gravitational Waves from a Binary Black Hole Merger"?(2016)

Physical Review Letters
6,009 citations

This study stands out among the rest in this list as one that gained significant media attention and engagement from the general public, making an impact both inside and outside academia.

Through this paper, a team of physicists from the Advanced Laser Interferometer Gravitational-Wave Observatory (LIGO) described the?first direct observation of gravitational waves?– a feat that took a century to achieve following Einstein’s prediction of these elusive ripples in space-time.

The study got 2.5 times more citations than the second most-cited paper in?Physical Review Letters, also from LIGO, which in 2017 announced the?first direct observation?of a merger between two neutron stars.

聯盟解讀：

大名鼎鼎的引力波團隊LIGO

這項研究在這份名單中脫穎而出，引起了廣大公眾的廣泛關注和參與，在學術界內外產生了影響。

通過本文，來自高級激光干涉儀引力波觀測臺（LIGO）的一組物理學家描述了引力波的第一次直接觀測 - 這一壯舉需要一個世紀才能實現愛因斯坦在時空中預測這些難以捉摸的漣漪。

這項研究的引用次數是物理評論快報中第二次被引用最多的論文的2.5倍，LIGO也在2017年宣布首次直接觀察兩顆中子星之間的合并。

END

聲明：本文來源于聯盟總結

加群交流

歡迎加入CV聯盟群獲取CV和ML等領域前沿資訊

掃描添加CV聯盟微信拉你進群，備注：CV聯盟

熱文薦讀

重磅！中國人工智能學會2019年度優秀博士學位論文終評名單公示

中國科學院大學第二屆本科畢業生再創輝煌！（87%繼續深造：含MIT等名校）

一方面SCIENCE勸退博士，一方面清華發公告，擬對2名博士生退學處理！

上海交通大學“土味”招生視頻~閃瞎雙眼--讓你笑出豬叫...

人工智能領域的黃埔軍校--中國科學技術大學！（科大訊飛、商湯、寒武紀、云從科技...）

5G到底有多快？北郵學生測試校園5G網速刷爆網絡

中國人民大學高瓴人工智能學院協議薪酬120-180萬，住房補貼400萬刷屏！解決住房和上人大附小！

點個好看支持一下吧

總結

以上是生活随笔為你收集整理的重磅！Google学术发布2019年最有影响力的7篇论文！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。