2019年Google學術指標排名可線上免費訪問，跟蹤2014年至2018年期間釋出的論文，幷包括自2019年7月以來在Google學術搜尋中編入索引的所有文章的引文。

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. “用於影象識別的深度殘差學習”（2016）IEEE / CVF計算機視覺和模式識別會議論文集25,256次引用

在今年排名前100位的期刊中，有5種是人工智慧會議出版物。這個特別的期刊在今年的排名中取得了巨大的飛躍，有三篇文章，每篇文章引用次數超過10,000次 - 這一壯舉與其他期刊無法相提並論。

正如Synced的Fangyu Cai所指出的那樣，“人工智慧會議的釋出如此驚人 - 毫不奇怪 - 近年來，他們已經從低調的學術聚會演變為奢侈的多媒體活動，吸引了數千人蔘與，並作為重大創新和突破的展示在人工智慧研究，開發和部署方面。“

這篇特別的文章是由微軟的一個研究團隊撰寫的，該團隊在2018年實現了高質量研究產出的顯著增長，正如自然指數所追蹤的那樣。

2. “深度學習”（2015）Nature16,750引用

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學術搜尋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2018年圖靈獎得主，Yann LeCun，Yoshua Bengio和Geoffrey Hinton（統稱為“AI的教父”）[url=https://www.nature.com/articles/d41586-019-00505-2]撰寫[/url]的論文是對人工智慧技術潛力的開創性回顧。

3. “用卷積法深入研究”（2015年）IEEE / CVF計算機視覺與模式識別會議論文集14424引文

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的深度神經網路系統構建。

它在2014年ImageNet大規模視覺識別挑戰賽中獲得最高分 - 一項國際計算機視覺競賽。

在2018年，谷歌公司的母公司， Alphabet,，在自然指數高質量的研究成果是第六最豐富的公司實體。

4. “用於語義分割的完全卷積網路”（2015）IEEE / CVF計算機視覺和模式識別會議論文集10,153引用

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影象中物體的AI系統的最先進方法。

這種特殊型別的模型，語義分割，可用於計算單個影象中的物件數量，這對於諸如自動駕駛汽車和機器人技術具有很大潛力。