Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

2019年谷歌学术影响力榜单出炉:CVPR跃升前10,摘得工程与计算机科学领域榜眼

近日,谷歌学术发布了最新的 2019 Top Publication 榜单:《Nature》位列总榜第一,CVPR 上升到整个工程与计算机科学类第二位,总榜第十位。NeurIPS、ICLR、ICML 雄踞人工智能领域前三。

榜单地址:https://scholar.google.com/citations?view_op=top_venues&hl=en

Google Scholar Top Publications 榜单从某种维度上反映了各大学术期刊和会议的影响力,以 h 指数(h-index)作为评判标准。h 指数是一个混合量化指标,可用于评估研究人员的学术产出数量与学术产出水平。

具体来说,该榜单采用的 h 指数包含两种:h5-index 和 h5-median,前者是指在过去整整 5 年中所发表文章的 h 指数,它是一个最大值,即 2014-2018 年间发表的 h 篇文章每篇至少都被引用过 h 次的最大值(例如,某杂志共发表 5 篇论文,分别被引用 18,10,6,3 和 2 次,那么这份杂志的 h 指数就是 3)。后者是指组成其 h5-index 的文章的被引用量的中位数。

总榜:《Nature》稳居榜首,CVPR 跃升前 10

如下图所示,《Nature》依然当仁不让地占据总榜第一名。与 2018 年的排名比较之后,我们得出了以下结果:

  • 前 4 名期刊排名保持不变;

  • 计算机视觉领域顶会 CVPR 由去年的第 20 名上升到了榜单的第 10 名。

  • 《Chemical Society reviews》和《Cell》分别由 2018 年的第 5、6 名降到今年的第 8、9 名,排名各自下降 3 位;

  • 《Chemical Reviews》由 2018 年的第 8 名上升到今年的第 5 名,排名提升 3 位;

2019 年总榜,CVPR 挤进前 10。

2018 年总榜,CVPR 仅排第 20 名。

工程与计算机科学榜单:CVPR 排第二

在工程与计算机科学大类排名中,《Advanced Materials》依然保持第一名,CVPR 则由 2018 年的第 5 名上升到今年的第 2 名,由此可见,CVPR 在工程与计算机科学领域的影响力日益显著。

2019 年工程与计算机科学类榜单,其中 CVPR 上升到第 2 名。

2018 年工程与计算机科学类榜单,其中 CVPR 位居第 5 名。

那么,工程与计算机科学下属的各子类具体排名又是如何呢?

人工智能领域榜单

如下图所示,在人工智能子类排名中,神经信息处理系统大会(NIPS)、国际学习表征会议(ICLR)和国际机器学习会议(ICLM)位列前三甲。

今年的 NeurIPS 比往年还要火热,甚至出现了「投稿也要抢」的局面:在投稿 deadline 之前,由于投稿者太过热情,NeurIPS 服务器宕机了……于是,大会临时决定将 deadline 延后两小时。多伦多大学助理教授 Daniel Roy 也在「排队等待」的行列之中。他表示自己去 NeurIPS 现场注册排队需要两个小时,现在连论文投稿也要在电脑前等上两个小时了。

和今年的很多人工智能大会一样,今年的 NeurIPS 也成为了「史上最大」会议,投稿数量上万是基本确定了。

自然语言处理榜单

自然语言处理的榜单由 ACL、EMNLP 和 NAACL 强势占领。

2019 计算语言领域榜单。

今年,ACL 的论文投稿数量呈爆炸式增长,其论文提交数量由去年的 1544 暴增到今年的 2906(5 月份数据),几乎翻了一番。

计算机视觉模式识别领域榜单

计算机视觉模式识别的榜单毫无疑问由 CVPR 霸榜,ECCV、ICCV 分居二、三位。

2019 计算机视觉模式识别榜单。

今年的 CVPR 大会异常火热,注册人数达到了 9227 人,创历史新高。官方不得不「因注册人数太多」而提前截止了注册,并取消现场注册。其论文提交与接收数量也突破记录:来自全球 14,104 位作者提交了 5160 篇论文(比 CVPR 2018 增加 56%),最终接收了 1294 篇,接收率约为 25%。

今年 3 月份,ICCV 的论文投稿量也达到了 4328 篇,比 17 年翻了一番。

中文期刊榜单前 15 名

最后,让我们来看一下中文榜单的期刊排名情况:

2019 年中文期刊榜单。

理论CVPR学术影响力ICLRNIPSECCVICCVACL智能硬件计算机视觉自然语言处理数据科学
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

推荐文章
暂无评论
暂无评论~