計算機視覺的會議與專家

guankan2005發表於2012-11-30

computer vision(cv) 存在ICCV/CVPR/ECCV三個頂級會議, 它們檔次差不多,都應該在一流會議行列, 沒有必要給個高下. 有些us的人認為ICCV/CVPR略好於ECCV,而歐洲人大都認為ICCV/ECCV略好於CVPR, 某些英國的人甚至認為BMVC好於CVPR.簡言之, 三個會議差不多, 各有側重和偏好.三者乃cv領域的旗艦和風向標,其oral paper (包括best paper) 代表當年度cv的最高水準, 在此引用Harry Shum的一句話, 想知道某個領域在做些什麼, 找最近幾年此領域的proceeding看看就知道了. ICCV/CVPR由IEEE Computer Society牽頭組織, ECCV好像沒有專門負責的組織. CVPR每年(除2002年)都在美國開, ECCV每兩年開一次,僅限歐洲, ICCV也是每兩年一次, 各洲輪值. 基本可以保證每年有兩個會議開, 這樣研究者就有兩次躋身牛會的機會.


就錄取率而言, 三會都有波動. 如ICCV2001錄取率>30%, 且出現兩個人(華人)各有三篇第一作者的paper的情況, 這在頂級牛會是不常見的 (灌水嫌疑). 但是, ICCV2003, 2005兩次錄取率都很低, 大約20%左右. ECCV也是類似規律, 在2004年以前都是>30%, 2006年降低到20%左右. CVPR的錄取率近年來一直偏高, 從2004年開始一直都在[25%,30%].最近一次CVPR2006是28.1%, CVPR2007還不知道統計資料. 筆者猜測為了維持錄取paper的絕對數量, 當submission少的時候錄取率偏高, 反之偏低, 近幾年三大會議的投稿數量全部超過1000, 相對2000年前, 三會錄取率均大幅度降低, 最大幅度50%->20%. 對錄取率走勢感興趣的朋友, 可參考http://vrlab.epfl.ch/~ulicny/statistics/ (CVPR2004的資料是錯的),

http://www.adaptivebox.net/research/bookmark/CICON_stat.html .


顯然, 投入cv的人越來越多,這個領域也是越來越大, 這點頗不似machine learning一直奉行愚蠢的小圈子主義. 另外一點值得注意, ICCV/ECCV只收vision相關的topic, 而cvpr會收少量的pattern recognition paper, 如fingerprint等, 但是不收和image/video完全不佔邊的pr paper,如speech recognition等. 我一個朋友曾經review過一篇投往CVPR的speech的paper, 三個reviewer一致拒絕, 其中一個reviewer搞笑的指出, 你這篇paper應該是投ICASSP被據而轉投CVPR的. 就topic而言, CVPR涵蓋最廣. 還有一個沒有驗證過的原因導致CVPR錄取率高: 很多us的researcher不願意或沒有足夠的經費到us以外的地方開會, 故CVPR會優先接收很多來自us的paper (讓大家都happy).


以上對三會的分析對我們投paper是很有指導作用的. 目前的research我想絕大部分還是紙上談兵, 必經 read paper -> write paper -> publish paper -> publish paper on top conferences and journals流程. 故瞭解投paper的一些基本技巧, 掌握領域的走向和熱點, 是非常必要的. 避免做無用功,選擇切合的topic, 改善presentation, 注意格式 (遵守規定的模板), 我想這是很多新手需要注意的問題. 如ICCV2007明文規定不寫summary page直接reject, 但是仍然有人忽視, 這是相當不值得的.paper畢竟是死的, 寫paper的人才是活的. 那麼我現在研究一下cv圈的格局, 按師承關係,


借鑑前人, 我總結a tree stucture of cv guys.

David Marr

—–>Shimon Ullman (Weizmann)

—–>Eric Grimson (MIT)

       —–>Daniel Huttenlocher (Cornell)

       —–>Pedro Felzenszwalb (Chicago)

Thomas Binford (Stanford)

—–>David Lowe (UBC)

—–>Jitendra Malik (UC Berkeley)

       —–>Pietro Perona (Caltech)

              —–>Stefano Soatto (UCLA)

              —–>Fei-Fei Li (Princeton)

       —–>Jianbo Shi (UPenn)

       —–>Yizhou Yu (UIUC)

       —–>Christoph Bregler (NYU)

       —–>Serge Belongie (UCSD)

       —–>Alyosha Efros (CMU)

Andrew Blake (Microsoft Research Cambridge)

—–>Andrew Zisserman (Oxford)

       —–>Andrew Fitzgibbon (Microsoft Research Cambridge)

—–>Roberto Cipolla (Cambridge)

—–>Alan Yuille (UCLA)

(UK這個學派的師承關係不太清楚, 這是我聽說加上自己猜測的. 事實上, 幾個非常優秀的researcher如Vladimir Kolmogorov雖然不是Andrew Blake的學生, 但是也屬於這個學派. )

Thomas Huang (UIUC)

—–>Yong Rui (Microsoft Research Redmond)

—–>Nebojsa Jojic (Microsoft Research Redmond)

—–>Ying Wu (Northwestern University)

—–>Hai Tao (UCSC)

—–>Yuncai Liu (SJTU)

(Huang這個系的人太多, 而且很怪的是, UIUC的web上資訊不全, 在此僅列出我知道的.)此外, 還有Takeo Kanade等非常有名的大牛, 囿於篇幅, 不一一列舉. 從上得知, 加州派基本佔了cv的半壁江山. 最近幾年, 特別活躍的cv guys是USA

Jitendra Malik, UC Berkeley

Pietro Perona, Caltech

Serge Belongie, UCSD

Jianbo Shi, UPenn

Stefano Soatto, UCLA

Fei-Fei Li, Princeton

William Freeman, MIT

Trevor Darrell, MIT

Simon Baker, CMU

Yanxi Liu, CMU

Songchun Zhu, UCLA

Alan Yuille, UCLA

Yi Ma, UIUC

Michael Black, Brown

Carlo Tomasi, Duke

Ramin Zabih, Cornell

Shree Nayar, Columbia

Rama Chellappa, Maryland

Steve Seitz, University of Washington

Europe

Andrew Zisserman, Oxford, UK

Andrew Fitzgibbon, Microsoft Research Cambridge, UK

Roberto Cipolla, Cambridge, UK

Jean Ponce, INRIA, France

Cordelia Schmid, INRIA, France

Bill Triggs, LEAR, France

Yair Weiss, Hebrew University, Israel

Anat Levin, Hebrew University, Israel

Michal Irani, Weizmann, Israel

Luc van Gool, University of Leuven/ETH Zurich, Czechic

China

Harry Shum, MSRA

Xiaoou Tang, MSRA/CUHK

Jian Sun, MSRA

Steve Lin, MSRA

Yasuyuki Matsushita, MSRA

Zhouchen Lin, MSRA

Long Quan, HKUST

Chi-Keung Tang, HKUST

就寫到這, 希望這些資訊對大家有用.

補充一下那個tree,一個法國大牛

Olivier Faugeras

   —-Ponce  UIUC

       —lazebnik

   —-Zhengyou Zhang    MSR

    —-Martial Hebert  CMU

Mit AI lab

   poggio

        —Oliva

        —serre

    Freeman 80年代還來太原理工扶貧了

       —Y. Weiss

        —– Levin

       —Antonio Torralba (research scientist)

    Trevor Darrell

       —Grauman

補充一下

    Zisserman還有一個不錯的學生

lifeifei的合作者Rob Fergus

按研究方向分分,應該更合理一些。

現在計算機視覺,計算機圖形影像,機器學習開始融合到一起了吧。

J. Malik,Zhu Songchu偏segmentation;

D. Lowe, S. Ullman, Poggio 偏於從生物視覺的啟發來研究視覺;

Zisserman, Schmid, Lowe研究區域性特徵;

Luc Van Goo, Long Quanl三維重建;

Perona, Li Feife, Freeman視覺i學習, 物體分類;

還有運動分析,視覺跟蹤,紋理分析………….

MIT的Brain & Cognitive Science Dept和CSAIL裡面聚集了一幫人,有的作low level有的作mid level to high level的。他們的工作是值得關注的。當然說視覺還是要從偉大的David Marr開始。Tomaso Poggio, Richard Whitman是Marr的同事,傳承了其理念,一直往下走。Poggio最近幾年比較重點的工作放在他那個hierarchical model上。T. Poggio的第一個PhD學生是Christof Koch (kLab at Caltech)。哦,順便說一下Koch的另外一個導師是Valentino Breitenberg——同樣是影響了一個時代的大人物。Koch研究重點興趣在consciousness上,在Nature上的很多文章體現了他的研究思想。不過他們也做不少初級的視覺問題,諸如attention。

Koch比較知名的弟子比如Laurent Itti和Li Feifei。

Richard Whitman 年紀比較大了,個人不是很關注他現在做的東西。不過他所在的Perceptual Science Group,是一個非常有影響力的地方,這個組其他大家比較熟悉的老師有Aude Oliva和EH Adelson。Adelson最著名的一個事兒是色彩恆常相關的視錯覺,93年發在Science上的那篇。關於Oliva,前面的帖子錯了,她不是Poggio的學生,這傢伙和Torralba是老鄉,同在法國唸書,主要從心理學那條路子開始做,成名之役是hybrid image,和Antonio Torrralba一起搞的。這個Hybrid Image 其實80年代就有了,但是最開始從心理學方向上探討,沒有非常有影響力的文章。後來開始靠譜作自然影像統計,得到Gist theory,當然這個illusion本身後來轉投SIGGRAPH,其影響是深遠的。嗯,這個和CV關係不大。Perceptual Science Group出了不少牛人,他們的alumni list可謂超豪華陣容:Yair Weiss, Josh Tenenbaum, Pawan Sinha, Bill Freeman……

這一派的工作跟我比較相關,大概八卦的關係也能總結出一些。

希望對大家有所幫助

Van 那個組也做區域性特徵和物體識別分類。現在Olivier Faugeras也從三維重建轉到計算認知學了。ctozlm, 現在不研究區域性特徵的很少啊,因為區域性特徵方法克服了以前方法的很多缺陷。

區域性特徵方法本就是從三維重建發展出來的。所以他們研究區域性特徵也就不奇怪了。INRIA 的 Faugeras 是 IJCV 的 主編,在歐洲  Computer Vision 屆是老大,他的弟子Ayach 現在 Medical Image Analysis領域有超過其師之勢。

 

關於computer vision的會議及vision guys – 研究探討 – 模式識別愛好者論壇模式識別,機器學習,人工智慧,人臉識別,人臉檢測 – Powered by Discuz!。發表於 2007-5-24 00:45

ter=type&typeid=2″>http://prfans.com/forum/viewthread.php?tid=65&extra=page=1&filter=type&typeid=2

計算機視覺牛人(轉載)

http://blog.shamoxia.com/html/y2009/110.html

http://www.cnblogs.com/frankman/archive/2008/10/06/1304979.html

以下是我經常瀏覽的網路資源,關注大牛的網頁,比上學校資料庫資源更精、更有啟發性。排名不分先後,呵呵~~~

(1)微軟公司的文獻:http://research.microsoft.com/research/pubs

(2)微軟亞洲研究院:http://research.microsoft.com/asia/,值得關注Harry Shum, Jian Sun, Steven Lin, Long Quan(兼職HKUST)etc.

(3)瑞典隆德大學數學系視覺組:http://www.maths.lth.se/matematiklth/personal/andersp/

  感覺國外搞視覺的好多是數學系出身,大約做計算機視覺對數學要求很高吧。

(4)澳大利亞國立大學:http://users.rsise.anu.edu.au/~hartley/

(5)美國北卡大學:http://www.cs.unc.edu/~marc/

(6)加州大學伯克利分校David A. Forsyth:http://www.cs.berkeley.edu/~daf/

(7)CMU的視覺組:http://www.cs.cmu.edu/~cil/vision.html

著名的有Tomasi, Kanade等,CMU不愧是美國計算機牛校,僅視覺就好猛。

(8)法國INRIA:http://www-sop.inria.fr/odyssee/team/

 由Olivier.Faugeras領銜的牛人眾多。

(9)英國牛津的A.Zisserman:http://www.robots.ox.ac.uk/~az/

(10)比利時魯汶大學的L.Van Gool: www.esat.kuleuven.ac.be/psi/visics/

據說在這個只有中國一個小鎮大小的地方的魯汶大學在歐洲排行top10,名列世界top100,還出了幾個諾貝爾獎,視覺研究也很牛,真是讓Chinese汗顏啊!

http://www.sciencenet.cn/m/user_content.aspx?id=19093

轉自:http://www.shamoxia.com/html/y2009/286.html

 

計算機視覺領域的值得學習的部落格作者:心誠則靈

    以下連結是本人整理的關於計算機視覺(ComputerVision, CV)相關領域的網站連結,其中有CV牛人的主頁,CV研究小組的主頁,CV領域的paper,程式碼,CV領域的最新動態,國內的應用情況等等。打算從事這個行業或者剛入門的朋友可以多關注這些網站,多瞭解一些CV的具體應用。搞研究的朋友也可以從中瞭解到很多牛人的研究動態、招生情況等。

    總之,我認為,知識只有分享才能產生更大的價值,真誠希望下面的連結能對朋友們有所幫助。
(1)googleResearch;
 http://research.google.com/index.html
(2)MIT博士,湯曉歐學生林達華; http://people.csail.mit.edu/dhlin/index.html
(3)MIT博士後Douglas Lanman; http://web.media.mit.edu/~dlanman/
(4)opencv中文網站; http://www.opencv.org.cn/index.php/首頁
(5)Stanford大學vision實驗室; http://vision.stanford.edu/research.html
(6)Stanford大學博士崔靖宇; http://www.stanford.edu/~jycui/
(7)UCLA教授朱鬆純; http://www.stat.ucla.edu/~sczhu/
(8)中國人工智慧網; http://www.chinaai.org/
(9)中國視覺網; http://www.china-vision.net/
(10)中科院自動化所; http://www.ia.cas.cn/
(11)中科院自動化所李子青研究員; http://www.cbsr.ia.ac.cn/users/szli/
(12)中科院計算所山世光研究員; http://www.jdl.ac.cn/user/sgshan/
(13)人臉識別主頁; http://www.face-rec.org/
(14)加州大學伯克利分校CV小組; http://www.eecs.berkeley.edu/Research/Projects/CS/vision/

(15)南加州大學CV實驗室; http://iris.usc.edu/USC-Computer-Vision.html
(16)卡內基梅隆大學CV主頁; http://www-2.cs.cmu.edu/afs/cs/project/ ... ision.html
(17)微軟CV研究員Richard Szeliski;
 http://research.microsoft.com/en-us/um/people/szeliski/
(18)微軟亞洲研究院計算機視覺研究組; http://research.microsoft.com/en-us/groups/vc/
(19)微軟劍橋研究院ML與CV研究組; http://research.microsoft.com/en-us/gro ... fault.aspx
(20)研學論壇;
 http://bbs.matwav.com/
(21)美國Rutgers大學助理教授劉青山; http://www.research.rutgers.edu/~qsliu/
(22)計算機視覺最新資訊網; http://www.cvchina.info/
(23)運動檢測、陰影、跟蹤的測試視訊下載; http://apps.hi.baidu.com/share/detail/18903287
(24)香港中文大學助理教授王曉剛; http://www.ee.cuhk.edu.hk/~xgwang/
 (25)香港中文大學多媒體實驗室(湯曉鷗); http://mmlab.ie.cuhk.edu.hk/
 (26)U.C. San Diego. computer vision; http://vision.ucsd.edu/content/home
 (27)CVonline; http://homepages.inf.ed.ac.uk/rbf/CVonline/
 (28)computer vision software; http://peipa.essex.ac.uk/info/software.html
 (29)Computer Vision Resource; http://www.cvpapers.com/
 (30)computer vision research groups; http://peipa.essex.ac.uk/info/groups.html
 (31)computer vision center; http://computervisioncentral.com/cvcnews

 (32)浙江大學影像技術研究與應用(ITRA)團隊:http://www.dvzju.com/

 (33)自動識別網:http://www.autoid-china.com.cn/

 (34)清華大學章毓晉教授:http://www.tsinghua.edu.cn/publish/ee/4157/2010/20101217173552339241557/20101217173552339241557_.html

 (35)頂級民用機器人研究小組Porf.Gary領導的Willow Garage: http://www.willowgarage.com/

 (36)上海交通大學影像處理與模式識別研究所:http://www.pami.sjtu.edu.cn/

 (37)上海交通大學計算機視覺實驗室劉允才教授:http://www.visionlab.sjtu.edu.cn/

 (38)德克薩斯州大學奧斯汀分校助理教授Kristen Grauman :http://www.cs.utexas.edu/~grauman/

 (39)清華大學電子工程系智慧圖文資訊處理實驗室(丁曉青教授):http://ocrserv.ee.tsinghua.edu.cn/auto/index.asp

 (40)北京大學高文教授:http://www.jdl.ac.cn/htm-gaowen/

 (41)清華大學艾海舟教授:http://media.cs.tsinghua.edu.cn/cn/aihz

 (42)中科院生物識別與安全技術研究中心:http://www.cbsr.ia.ac.cn/china/index CH.asp

 (43)瑞士巴塞爾大學 Thomas Vetter教授:http://informatik.unibas.ch/personen/vetter_t.html

 (44)俄勒岡州立大學 Rob Hess博士:http://blogs.oregonstate.edu/hess/

 (45)深圳大學於仕祺副教授:http://yushiqi.cn/

 (46)西安交通大學人工智慧與機器人研究所:http://www.aiar.xjtu.edu.cn/

 (47)卡內基梅隆大學研究員Robert T. Collins: http://www.cs.cmu.edu/~rcollins/home.html#Background

 (48)MIT博士Chris Stauffer: http://people.csail.mit.edu/stauffer/Home/index.php

 (49)美國密歇根州立大學生物識別研究組(Anil K. Jain教授):http://www.cse.msu.edu/rgroups/biometrics/

 (50)美國伊利諾伊州立大學Thomas S. Huang:http://www.beckman.illinois.edu/directory/t-huang1

 

 

 

 

 

 

 

IJCAI (1+): AI最好的綜合性會議, 1969年開始, 每兩年開一次, 奇數年開. 因為AI 實在太大, 所以雖然每屆基本上能錄100多篇(現在已經到200多篇了),但分到每個領域就沒幾篇了,象machine learning、computer vision這麼大的領域每次大概也就10篇左右, 所以難度很大. 不過從錄用率上來看倒不太低,基本上20%左右, 因為內 行人都會掂掂分量, 沒希望的就別浪費reviewer的時間了. 最近中國大陸投往國際會議的文章象潮水一樣, 而且因為國內很少有能自己把關的研究組, 所以很多會議都在complain說中國的低質量文章嚴重妨礙了PC的工作效率. 在這種情況下, 估計這幾年國際會議的錄用率都會降下去. 另外, 以前的IJCAI是沒有poster的, 03年開始, 為了減少被誤殺的好人, 增加了2頁紙的poster.值得一提的是, IJCAI是由貌似一個公司"IJCAI Inc."主辦的(當然實際上並不是公司, 實際上是個基金會), 每次會議上要 發幾個獎, 其中最重要的兩個是IJCAI Research Excellence Award 和 Computer& Thoughts Award, 前者是終身成就獎, 每次一個人, 基本上是AI的最高獎(有趣的是, 以AI為主業拿圖靈獎的6位中, 有2位還沒得到這個獎), 後者是獎給35歲以下的青年科學家, 每次一個人. 這兩個獎的獲獎演說是每次IJCAI的一個重頭戲.另外,IJCAI 的 PC member 相當於其他會議的area chair, 權力很大, 因為是由PC member 去找 reviewer 來審, 而不象一般會議的PC member其實就是 reviewer. 為了制約這種權力, IJCAI的審稿程式是每篇文章分配2位PC member, primary PC member去找3位reviewer, second PC member 找一位. 

AAAI (1): 美國人工智慧學會AAAI的年會. 是一個很好的會議, 但其檔次不穩定, 可以給到1+, 也可以給到1-或者2+, 總的來說我給它"1". 這是因為它的開法完全受IJCAI制約: 每年開, 但如果這一年的IJCAI在北美舉行, 那麼就停開. 所以, 偶數年裡因為沒有IJCAI, 它就是最好的AI綜合性會議, 但因為號召力畢竟比IJCAI要小一些,特別是歐洲人捧AAAI場的比IJCAI少得多(其實亞洲人也是), 所以比IJCAI還是要稍弱一點, 基本上在1和1+之間; 在奇數年, 如果IJCAI不在北美, AAAI自然就變成了比IJCAI低一級的會議(1-或2+), 例如2005年既有IJCAI又有AAAI, 兩個會議就進行了協調, 使得IJCAI的錄用通知時間比AAAI的deadline早那麼幾天, 這樣IJCAI落選的文章可以投往AAAI.在審稿時IJCAI 的 PC chair也在一直催, 說大家一定要快, 因為AAAI那邊一直在擔心IJCAI的錄用通知出晚了AAAI就麻煩了. 

COLT (1): 這是計算學習理論最好的會議, ACM主辦, 每年舉行. 計算學習理論基本上可以看成理論電腦科學和機器學習的交叉, 所以這個會被一些人看成是理論電腦科學的會而不是AI的會. 我一個朋友用一句話對它進行了精彩的刻畫: "一小群數學家在開會". 因為COLT的領域比較小, 所以每年會議基本上都是那些人. 這裡順便提一件有趣的事, 因為最近國內搞的會議太多太濫, 而且很多會議都是LNCS/LNAI出論文集, LNCS/LNAI基本上已經被搞臭了, 但很不幸的是, LNCS/LNAI中有一些很好的會議, 例如COLT. 

CVPR (1): 計算機視覺和模式識別方面最好的會議之一, IEEE主辦, 每年舉行. 雖然題目上有計算機視覺, 但個人認為它的模式識別味道更重一些. 事實上它應該是模式識別最好的會議, 而在計算機視覺方面, 還有ICCV與之相當. IEEE一直有個傾向, 要把會辦成"盛會", 歷史上已經有些會被它從quality很好的會辦成"盛會"了. CVPR搞不好也要走這條路. 這幾年錄的文章已經不少了. 最近負責CVPR會議的TC的chair發信說, 對這個community來說, 讓好人被誤殺比被壞人漏網更糟糕, 所以我們是不是要減少好人被誤殺的機會啊? 所以我估計明年或者後年的CVPR就要擴招了. 

ICCV (1): 介紹CVPR的時候說過了, 計算機視覺方面最好的會之一. IEEE主辦. ICCV逢奇數年開,開會地點以往是北美,歐洲和亞洲輪流,本來2003年定在北京,後來因Sars和原定05年的法國換了一下。ICCV'07年將首次在南美(巴西)舉行.CVPR原則上每年在北美開, 如果那年正好ICCV在北美,則該年沒有CVPR. 

ICML (1): 機器學習方面最好的會議之一. 現在是IMLS主辦, 每年舉行. 參見關於NIPS的介紹. 

NIPS (1): 神經計算方面最好的會議之一, NIPS主辦, 每年舉行. 值得注意的是, 這個會每年的舉辦地都是一樣的, 以前是美國丹佛, 現在是加拿大溫哥華; 而且它是年底開會, 會開完後第2年才出論文集, 也就是說, NIPS'05的論文集是06年出. 會議的名字是"Advances in Neural Inxxxxation Processing Systems", 所以, 與ICMLECML這樣的"標準的"機器學習會議不同, NIPS裡有相當一部分神經科學的內容, 和機器學習有一定的距離. 但由於會議的主體內容是機器學習, 或者說與機器學習關係緊密, 所以不少人把NIPS看成是機器學習方面最好的會議之一. 這個會議基本上控制在MichaelJordan的徒子徒孫手中, 所以對Jordan系的人來說, 發NIPS並不是難事, 一些未必很強的工作也能發上去, 但對這個圈子之外的人來說, 想發一篇實在很難, 因為留給"外人"的口子很小. 所以對Jordan系以外的人來說, 發NIPS的難度比ICML更大. 換句話說,ICML比較開放, 小圈子的影響不象NIPS那麼大, 所以北美和歐洲人都認, 而NIPS則有些人(特別是一些歐洲人, 包括一些大家)堅決不投稿. 這對會議本身當然並不是好事,但因為Jordan系很強大, 所以它似乎也不太care. 最近IMLS(國際機器學習學會)改選理事, 有資格提名的人包括近三年在ICMLECMLCOLT發過文章的人, NIPS則被排除在外了. 無論如何, 這是一個非常好的會. 

ACL (1-): 計算語言學/自然語言處理方面最好的會議, ACL (Association of Computational Linguistics) 主辦, 每年開. 

KR (1-): 知識表示和推理方面最好的會議之一, 實際上也是傳統AI(即基於邏輯的AI)最好的會議之一. KR Inc.主辦, 現在是偶數年開. 

SIGIR (1-): 資訊檢索方面最好的會議, ACM主辦, 每年開. 這個會現在小圈子氣越來越重. 資訊檢索應該不算AI, 不過因為這裡面用到機器學習越來越多, 最近幾年甚至有點機器學習應用會議的味道了, 所以把它也列進來. 

SIGKDD (1-): 資料探勘方面最好的會議, ACM主辦, 每年開. 這個會議歷史比較短,畢竟, 與其他領域相比,資料探勘還只是個小弟弟甚至小侄兒. 在幾年前還很難把它列在tier-1裡面, 一方面是名聲遠不及其他的top conference響亮, 另一方面是相對容易被錄用. 但現在它被列在tier-1應該是毫無疑問的事情了. 這幾年來KDD的質量都很高. SIGKDD從2000年來full paper的錄取率都在10%-12%之間,遠遠低於IJCAI和ICML. 

經常聽人說,KDD要比IJICAI和ICML都要困難。IJICAI才6頁,而KDD要10頁。沒有紮實系統的工作,很難不留下漏洞。有不少IJICAI的常客也每年都投KDD,可難得幾個能經常中。 

UAI (1-): 名字叫"人工智慧中的不確定性", 涉及表示推理學習等很多方面, AUAI(Association of UAI) 主辦, 每年開. 

我知道的幾個人工智慧會議(二三流)
(原創為lilybbs.us上的daniel)

純屬個人看法, 僅供參考. tier-1的列得較全, tier-2的不太全, tier-3的很不全. 
同分的按字母序排列. 不很嚴謹地說, tier-1是可以令人羨慕的, tier-2是可以令人尊敬的,由於AI的相關會議非常多, 所以能列進tier-3的也是不錯的. 

tier 2: tier-2的會議列得不全, 我熟悉的領域比較全一些. 

AAMAS (2+): agent方面最好的會議. 但是現在agent已經是一個一般性的概念,
幾乎所有AI有關的會議上都有這方面的內容, 所以AAMAS下降的趨勢非常明顯. 

ECCV (2+): 計算機視覺方面僅次於ICCV的會議, 因為這個領域發展很快, 有可能升級到1-去. 

ECML (2+): 機器學習方面僅次於ICML的會議, 歐洲人極力捧場, 一些人認為它已經是1-了. 我保守一點, 仍然把它放在2+. 因為機器學習發展很快, 這個會議的reputation上升非常明顯. 

ICDM (2+): 資料探勘方面僅次於SIGKDD的會議, 目前和SDM相當. 這個會只有5年曆史, 上升速度之快非常驚人. 幾年前ICDM還比不上PAKDD, 現在已經拉開很大距離了. 

SDM (2+): 資料探勘方面僅次於SIGKDD的會議, 目前和ICDM相當. SIAM的底子很厚,但在CS裡面的影響比ACM和IEEE還是要小, SDM眼看著要被ICDM超過了, 但至少目前還是相當的. 

ICAPS (2): 人工智慧規劃方面最好的會議, 是由以前的國際和歐洲規劃會議合併來的. 因為這個領域逐漸變冷清, 影響比以前已經小了. 

ICCBR (2): Case-Based Reasoning方面最好的會議. 因為領域不太大, 而且一直半冷不熱, 所以總是停留在2上. 

COLLING (2): 計算語言學/自然語言處理方面僅次於ACL的會, 但與ACL的差距比ICCV-ECCV和ICML-ECML大得多. 

ECAI (2): 歐洲的人工智慧綜合型會議, 歷史很久, 但因為有IJCAI/AAAI壓著,
很難往上升. 

ALT (2-): 有點象COLT的tier-2版, 但因為搞計算學習理論的人沒多少, 做得好的數來數去就那麼些group, 基本上到COLT去了, 所以ALT裡面有不少並非計算學習理論的內容. 

EMNLP (2-): 計算語言學/自然語言處理方面一個不錯的會. 有些人認為與COLLING相當, 但我覺得它還是要弱一點. 

ILP (2-): 歸納邏輯程式設計方面最好的會議. 但因為很多其他會議裡都有ILP方面的內容, 所以它只能保住2-的位置了. 

PKDD (2-): 歐洲的資料探勘會議, 目前在資料探勘會議裡面排第4. 歐洲人很想把它抬起來, 所以這些年一直和ECML一起捆綁著開, 希望能借ECML把它帶起來.但因為ICDM和SDM, 這已經不太可能了. 所以今年的PKDD和ECML雖然還是一起開, 但已經獨立審稿了(以前是可以同時投兩個會, 作者可以宣告優先被哪個會考慮, 如果ECML中不了還可以被PKDD接受). 

tier 3: 列得很不全. 另外, 因為AI的相關會議非常多, 所以能列在tier-3也算不錯了, 基本上能進到所有AI會議中的前30%吧 

ACCV (3+): 亞洲的計算機視覺會議, 在亞太級別的會議裡算很好的了. 

DS (3+): 日本人發起的一個接近資料探勘的會議. 

ECIR (3+): 歐洲的資訊檢索會議, 前幾年還只是英國的資訊檢索會議. 

ICTAI (3+): IEEE最主要的人工智慧會議, 偏應用, 是被IEEE辦爛的一個典型. 以前的quality還是不錯的, 但是辦得越久聲譽反倒越差了, 糟糕的是似乎還在繼續下滑, 現在其實3+已經不太呆得住了. 

PAKDD (3+): 亞太資料探勘會議, 目前在資料探勘會議裡排第5. 

ICANN (3+): 歐洲的神經網路會議, 從quality來說是神經網路會議中最好的, 但這個領域的人不重視會議,在該領域它的重要性不如IJCNN. 

AJCAI (3): 澳大利亞的綜合型人工智慧會議, 在國家/地區級AI會議中算不錯的了. 

CAI (3): 加拿大的綜合型人工智慧會議, 在國家/地區級AI會議中算不錯的了. 

CEC (3): 進化計算方面最重要的會議之一, 盛會型. IJCNN/CEC/FUZZ-IEEE這三個會議是計算智慧或者說軟計算方面最重要的會議, 它們經常一起開, 這時就叫WCCI (World Congress on Computational Intelligence). 但這個領域和CS其他分支不太一樣, 倒是和其他學科相似, 只重視journal, 不重視會議, 所以錄用率經常在85%左右, 所錄文章既有quality非常高的論文, 也有入門新手的習作. 

FUZZ-IEEE (3): 模糊方面最重要的會議, 盛會型, 參見CEC的介紹. 

GECCO (3): 進化計算方面最重要的會議之一, 與CEC相當,盛會型. 

ICASSP (3): 語音方面最重要的會議之一, 這個領域的人也不很care會議. 

ICIP (3): 影像處理方面最著名的會議之一, 盛會型. 

ICPR (3): 模式識別方面最著名的會議之一, 盛會型. 

IEA/AIE (3): 人工智慧應用會議. 一般的會議提名優秀論文的通常只有幾篇文章, 被提名就已經是很高的榮譽了, 這個會很有趣, 每次都搞1、20篇的優秀論文提名, 專門搞幾個session做被提名論文報告, 倒是很熱鬧. 

IJCNN (3): 神經網路方面最重要的會議, 盛會型, 參見CEC的介紹. 

IJNLP (3): 計算語言學/自然語言處理方面比較著名的一個會議. 

PRICAI (3): 亞太綜合型人工智慧會議, 雖然歷史不算短了, 但因為比它好或者相當的綜合型會議太多, 所以很難上升.

轉自:http://blog.sina.com.cn/s/blog_4b700c4c0102e0bh.html

相關文章