NeurIPS 引用量最高的10篇論文!Faster R-CNN登頂!何愷明和孫劍均有兩篇論文入圍

點擊上方「CVer」，選擇加"星標"置頂

重磅乾貨，第一時間送達

前言

三大CV頂會引用量最高的10篇論文均已整理完畢，詳見：

接下來，Amusi 將繼續整理其他頂會，像NeurIPS、ICLR、ICML上也有很多優質的CV論文，而且有更多深度學習、機器學習基礎性研究工作。

神經信息處理系統大會(NeurIPS)，前稱NIPS，是一個機器學習和計算神經科學相關的學術會議,一般每年12月舉行。在谷歌發布的2020年的學術指標（Scholar Metrics）榜單，NeurIPS 位列總榜第21位！這個排名是依據過去五年發表研究的數據（覆蓋2015-2019年發表的文章），並包括截止2020年6月在谷歌學術中被索引的所有文章的引用量。

本文就來盤點NeurIPS 2015-2019年引用量最高的10篇論文。根據此數據，一方面能看出這段深度學習黃金時期的研究熱點，另一方面查漏補缺，看看這些必看的Top級論文是不是都掌握了。

注1：2015年之前的論文不在統計範圍內

注2：引用量是根據谷歌給出的數據，會有波動，但影響不大

第一名：Faster R-CNN

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

作者單位：Microsoft Research

作者團隊：Shaoqing Ren（任少卿）, Kaiming He（何愷明）, Ross Girshick, Jian Sun

引用量：19507

論文連結（收錄於NIPS 2015）：

https://arxiv.org/abs/1506.01497

Faster R-CNN 算是現在入門目標檢測學習的第一篇論文，也是R-CNN系列的最終篇。首次提出了RPN（Region Proposal Network）模塊，極大提高目標檢測速度。

Faster R-CNN

第二名：Attention Is All You Need

Attention is All you Need

作者單位：Google Brain, Google Research, 多倫多大學

作者團隊：Ashish Vaswani, Noam Shazeer, Niki Parmar等

引用量：9885

論文連結（收錄於NIPS 2017）：

https://arxiv.org/abs/1706.03762

一篇將 Attention（注意力） 機制發揚光大的論文！如今不管是NLP，還是CV方向，attention機制都是相當火爆。Transformer 大法好！

The Transformer

第三名：Improved Techniques for Training GANs

Improved Techniques for Training GANs

作者單位：OpenAI

作者團隊：Tim Salimans, Ian Goodfellow, Wojciech Zaremba等

引用量：3522

論文連結（收錄於NIPS 2016）：

https://arxiv.org/abs/1606.03498

本文介紹了幾個方法去鼓勵GAN博弈的收斂，靈感來源於非凸問題的啟發式理解。可以幫助提升半監督學習性能和提升採樣生成。

第四名：Improved Training of Wasserstein GANs

Improved Training of Wasserstein GANs

作者單位：蒙特婁算法研究所, 庫朗數學科學研究所, CIFAR Fellow

作者團隊：Ishaan Gulrajani, Faruk Ahmed, Martin Arjovsky等

引用量：3041

論文連結（收錄於NIPS 2017）：

https://arxiv.org/abs/1704.00028

本文對WGAN（ICML 2017 熱門論文）進行改進，提出了一種替代WGAN判別器中權重剪枝的方法

第五名：Spatial Transformer Networks

Spatial Transformer Networks

作者單位：DeepMind（谷歌）

作者團隊：Max Jaderberg, Karen Simonyan, Andrew Zisserman等

引用量：2964

論文連結（收錄於NIPS 2015）：

https://arxiv.org/abs/1506.02025

STN（Spatial Transformer Networks，空間變換網絡）具有平移不變性、旋轉不變性及縮放不變性等強大的性能。這個網絡可以加在現有的卷積網絡中，提高分類的準確性。

第六名：R-FCN

R-FCN: Object Detection via Region-based Fully Convolutional Networks

作者單位：Microsoft Research&清華大學

作者團隊：Jifeng Dai（代季峰）, Yi Li, Kaiming He（何愷明）, Jian Sun

引用量：2676

論文連結（收錄於NIPS 2016）：

https://arxiv.org/abs/1605.06409

本文的主要貢獻是解決了「分類網絡的位置不敏感性」與「檢測網絡的位置敏感性（Position-sensitive）」之間的矛盾。

R-FCN

第七名：Learning both Weights and Connections for Efficient Neural Network

Learning both Weights and Connections for Efficient Neural Network

作者單位：史丹福大學&NVIDIA

作者團隊：Song Han（韓松）, Jeff Pool, John Tran, William J. Dally

引用量：2416

論文連結（收錄於NIPS 2015）：

https://arxiv.org/abs/1506.02626

模型剪枝（壓縮方向）非常具有代表性的論文之一，旨在不損失精度的前提下，對DNN進行剪枝（或者說稀疏化），從而壓縮模型。

第八名：Character-level Convolutional Networks for Text Classification

Character-level Convolutional Networks for Text Classification

作者單位：紐約大學

作者團隊：Xiang Zhang, Junbo Zhao, Yann LeCun

引用量：2294

論文連結（收錄於NIPS 2015）：

https://arxiv.org/abs/1509.01626

本文使用字符級的CNN進行文本分類任務。

第九名：ConvLSTM

Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting

作者單位：香港科技大學&香港 Observatory

作者團隊：Xingjian Shi（施行建）, Zhourong Chen, Hao Wang等

引用量：2059

論文連結（收錄於NIPS 2015）：

https://arxiv.org/abs/1506.04214

本文成功地將機器學習（還有深度學習）應用在具有挑戰的即時預測問題上。ConvLSTM不僅繼承了傳統LSTM的優點，並且由於它內部的卷積結構使得它非常適合於時空數據。

第十名：Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering

Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering

作者單位：EPFL（洛桑聯邦理工學院）

作者團隊：Michaël Defferrard, Xavier Bresson, Pierre Vandergheynst

引用量：2027

論文連結（收錄於NIPS 2016）：

https://arxiv.org/abs/1606.09375

入坑GCN（圖卷積網絡）必讀之作！

侃侃

1. 華人的影響力越來越強；

2. 何愷明和孫劍均有兩篇論文入圍；

3. 微軟和谷歌均有兩篇論文入圍；

下載1

上述10篇論文已打包好，在CVer公眾號後回覆：NIPS引用量，即可下載全部論文

下載2

在CVer公眾號後臺回覆：OpenCV書籍，即可下載《Learning OpenCV 3》書籍和原始碼。註：這本書是由OpenCV發起者所寫，是官方認可的書籍。其中涵蓋大量圖像處理的基礎知識介紹，雖然API還是基於OpenCV 3.x，但結合此書和最新API，可以很好的學習OpenCV。

下載3

在CVer公眾號後臺回覆：CVPR2020，即可下載CVPR2020 2020代碼開源的論文合集

在CVer公眾號後臺回覆：ECCV2020，即可下載ECCV 2020代碼開源的論文合集

重磅！CVer-論文寫作與投稿交流群成立

掃碼添加CVer助手，可申請加入CVer-論文寫作與投稿 微信交流群，目前已滿2000+人，旨在交流頂會（CVPR/ICCV/ECCV/ICML/ICLR/AAAI等）、頂刊（IJCV/TPAMI等）、SCI、EI等寫作與投稿事宜。

同時也可申請加入CVer大群和細分方向技術群，細分方向已涵蓋：目標檢測、圖像分割、目標跟蹤、人臉檢測&識別、OCR、姿態估計、超解析度、SLAM、醫療影像、Re-ID、GAN、NAS、深度估計、自動駕駛、強化學習、車道線檢測、模型剪枝&壓縮、去噪、去霧、去雨、風格遷移、遙感圖像、行為識別、視頻理解、圖像融合、圖像檢索、論文投稿&交流、PyTorch和TensorFlow等群。

一定要備註：研究方向+地點+學校/公司+暱稱（如論文寫作+上海+上交+卡卡），根據格式備註，可更快被通過且邀請進群

▲長按加微信群

▲長按關注CVer公眾號

整理不易，請給CVer點讚和在看！