2025-01-08 智能仪表资讯 0
在即将到来的ICCV 2019大会上，计算机视觉界的精英们将汇聚于韩国首尔的COEX会议中心，从10月27日至11月2日。作为AI研习社的一份贡献，我们为大家整理了1998年至2017年的ICCV历年最佳论文，这些杰出的研究成果不仅展示了计算机视觉领域的飞速发展，也为未来的研究者提供了宝贵的灵感和参考。在以下列表中，每一篇论文都代表了一次突破性进展，它们共同构成了我们了解世界视觉之美、智能化应用的一个重要组成部分。
2017 Mask R-CNN
Kaiming He, Facebook AI Research; et al. 在这篇经典论文中，Mask R-CNN通过引入一个额外的掩码预测任务，不仅能进行目标检测，还能同时进行实例分割。这项技术极大地推动了图像理解和物体识别领域的进步。
2015 Deep Neural Decision Forests
Peter Kontschieder, Microsoft Research; et al. 这篇文章介绍了一种结合深度学习与决策树方法来提高图像分类效率的新算法。这种方法在处理复杂数据集时显得尤其高效。
2013 From Large Scale Image Categorization to Entry-Level Categories
Vicente Ordonez, University of North Carolina at Chapel Hill; et al. 作者提出了一个从大规模图像分类转变到低级别类别（如“车”、“猫”等）的框架。这种方法对于理解更简单、更具体的事物非常有帮助。
2011 Relative Attributes
Devi Parikh, Toyota Technological Institute at Chicago Kristen Grauman, University of Texas at Austin 本文提出了一种相对属性学习方法，可以用来描述对象之间关系，这对于构建更丰富的人类可理解模型具有重要意义。
2009 Discriminative models for multi-class object layout
Chaitanya Desai, University of California Irvine; et al. 该研究开发了一种新的多类对象布局识别模型，该模型能够准确地确定场景中的各个元素位置和大小，并且可以扩展到各种复杂场景中使用。
2007 Population Shape Regression From Random Design Data
Bradley Davis, University of North Carolina at Chapel Hill; et al. 文章探讨如何利用随机设计数据来估计人口形状分布，这对于生物学家或医学家来说，对于分析人类遗传特征是非常有用的工具。
2005 Globally Optimal Estimates for Geometric Reconstruction Problems
Fredrik Kahl, Lund University Didier Henrion, LAAS-CNRS 这两位科学家分别来自瑞典Lund大学和法国LAAS-CNRS，他们合作完成了关于几何重建问题全局最优估计值的问题解决方案，为后续同类型问题奠定基础。
2003 Detecting Pedestrians using Patterns of Motion and Appearance Paul Viola, Microsoft Research;
et al.
Image Parsing: Unifying Segmentation,
Detection and Recognition
Zhuowen Tu,
University of California Los Angeles;
et al.
Image-based Rendering using Image-based Priors
Andrew Fitzgibbon,
University of Oxford;
et al.
以上是一系列历史上的优秀工作，它们不仅开创了新的研究方向，而且激发着无数人对计算机视觉未来可能性的思考。如果你想进一步了解这些经典论文或者想要参加相关活动，请点击下方链接获取更多信息：https://www.yanxishe.com/meeting/68?from=leiphonecolumn
