computer vision(cv) 存在ICCV/CVPR/ECCV三個(gè)頂級會議, 它們檔次差不多,都應(yīng)該在一流會議行列, 沒有必要給個(gè)高下. 有些us的人認(rèn)為ICCV/CVPR略好于ECCV,而歐洲人大都認(rèn)為ICCV/ECCV略好于CVPR, 某些英國的人甚至認(rèn)為BMVC好于CVPR.簡言之, 三個(gè)會議差不多, 各有側(cè)重和偏好.三者乃cv領(lǐng)域的旗艦和風(fēng)向標(biāo),其oral paper (包括best paper) 代表當(dāng)年度cv的最高水準(zhǔn), 在此引用Harry Shum的一句話, 想知道某個(gè)領(lǐng)域在做些什么, 找最近幾年此領(lǐng)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(fù)責(zé)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(gè)會議開, 這樣研究者就有兩次躋身牛會的機(jī)會.
就錄取率而言, 三會都有波動. 如ICCV2001錄取率>30%, 且出現(xiàn)兩個(gè)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(guī)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(tǒng)計(jì)數(shù)據(jù). 筆者猜測為了維持錄取paper的絕對數(shù)量, 當(dāng)submission少的時(shí)候錄取率偏高, 反之偏低, 近幾年三大會議的投稿數(shù)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的數(shù)據(jù)是錯(cuò)的),
http://www.adaptivebox.net/research/bookmark/CICON_stat.html .
顯然, 投入cv的人越來越多,這個(gè)領(lǐng)域也是越來越大, 這點(diǎn)頗不似machine learning一直奉行愚蠢的小圈子主義. 另外一點(diǎn)值得注意, ICCV/ECCV只收vision相關(guān)的topic, 而cvpr會收少量的pattern recognition paper, 如fingerprint等, 但是不收和image/video完全不占邊的pr paper,如speech recognition等. 我一個(gè)朋友曾經(jīng)review過一篇投往CVPR的speech的paper, 三個(gè)reviewer一致拒絕, 其中一個(gè)reviewer搞笑的指出, 你這篇paper應(yīng)該是投ICASSP被據(jù)而轉(zhuǎn)投CVPR的. 就topic而言, CVPR涵蓋最廣. 還有一個(gè)沒有驗(yàn)證過的原因?qū)е翪VPR錄取率高: 很多us的researcher不愿意或沒有足夠的經(jīng)費(fèi)到us以外的地方開會, 故CVPR會優(yōu)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(dǎo)作用的. 目前的research我想絕大部分還是紙上談兵, 必經(jīng) read paper -> write paper -> publish paper -> publish paper on top conferences and journals流程. 故了解投paper的一些基本技巧, 掌握領(lǐng)域的走向和熱點(diǎn), 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(guī)定的模板), 我想這是很多新手需要注意的問題. 如ICCV2007明文規(guī)定不寫summary page直接reject, 但是仍然有人忽視, 這是相當(dāng)不值得的.paper畢竟是死的, 寫paper的人才是活的. 那么我現(xiàn)在研究一下cv圈的格局, 按師承關(guān)系,
借鑒前人, 我總結(jié)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(gè)學(xué)派的師承關(guān)系不太清楚, 這是我聽說加上自己猜測的. 事實(shí)上, 幾個(gè)非常優(yōu)秀的researcher如Vladimir Kolmogorov雖然不是Andrew Blake的學(xué)生, 但是也屬于這個(gè)學(xué)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(gè)系的人太多, 而且很怪的是, UIUC的web上信息不全, 在此僅列出我知道的.)此外, 還有Takeo Kanade等非常有名的大牛, 囿于篇幅, 不一一列舉. 從上得知, 加州派基本占了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, 希望這些信息對大家有用.
補(bǔ)充一下那個(gè)tree，一個(gè)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(bǔ)充一下
Zisserman還有一個(gè)不錯(cuò)的學(xué)生
lifeifei的合作者Rob Fergus
按研究方向分分，應(yīng)該更合理一些。
現(xiàn)在計(jì)算機(jī)視覺，計(jì)算機(jī)圖形圖像，機(jī)器學(xué)習(xí)開始融合到一起了吧。
J. Malik，Zhu Songchu偏segmentation;
D. Lowe, S. Ullman, Poggio 偏于從生物視覺的啟發(fā)來研究視覺；
Zisserman, Schmid, Lowe研究局部特征；
Luc Van Goo， Long Quanl三維重建；
Perona, Li Feife， Freeman視覺i學(xué)習(xí)， 物體分類；
還有運(yùn)動分析，視覺跟蹤，紋理分析………….
MIT的Brain & Cognitive Science Dept和CSAIL里面聚集了一幫人，有的作low level有的作mid level to high level的。他們的工作是值得關(guān)注的。當(dāng)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(diǎn)的工作放在他那個(gè)hierarchical model上。T. Poggio的第一個(gè)PhD學(xué)生是Christof Koch （kLab at Caltech）。哦，順便說一下Koch的另外一個(gè)導(dǎo)師是Valentino Breitenberg——同樣是影響了一個(gè)時(shí)代的大人物。Koch研究重點(diǎn)興趣在consciousness上，在Nature上的很多文章體現(xiàn)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(jì)比較大了，個(gè)人不是很關(guān)注他現(xiàn)在做的東西。不過他所在的Perceptual Science Group，是一個(gè)非常有影響力的地方，這個(gè)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(gè)事兒是色彩恒常相關(guān)的視錯(cuò)覺，93年發(fā)在Science上的那篇。關(guān)于Oliva，前面的帖子錯(cuò)了，她不是Poggio的學(xué)生，這家伙和Torralba是老鄉(xiāng)，同在法國念書，主要從心理學(xué)那條路子開始做，成名之役是hybrid image，和Antonio Torrralba一起搞的。這個(gè)Hybrid Image 其實(shí)80年代就有了，但是最開始從心理學(xué)方向上探討，沒有非常有影響力的文章。后來開始靠譜作自然圖像統(tǒng)計(jì)，得到Gist theory，當(dāng)然這個(gè)illusion本身后來轉(zhuǎn)投SIGGRAPH，其影響是深遠(yuǎn)的。嗯，這個(gè)和CV關(guān)系不大。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(guān)，大概八卦的關(guān)系也能總結(jié)出一些。
希望對大家有所幫助
Van 那個(gè)組也做局部特征和物體識別分類。現(xiàn)在Olivier Faugeras也從三維重建轉(zhuǎn)到計(jì)算認(rèn)知學(xué)了。ctozlm, 現(xiàn)在不研究局部特征的很少啊，因?yàn)榫植刻卣鞣椒朔艘郧胺椒ǖ暮芏嗳毕荨?/font>
局部特征方法本就是從三維重建發(fā)展出來的。所以他們研究局部特征也就不奇怪了。INRIA 的 Faugeras 是 IJCV 的 主編，在歐洲 Computer Vision 屆是老大，他的弟子Ayach 現(xiàn)在 Medical Image Analysis領(lǐng)域有超過其師之勢。
關(guān)于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(jī)器學(xué)習(xí),人工智能,人臉識別,人臉檢測 – Powered by Discuz!。發(fā)表于 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(jì)算機(jī)視覺牛人（轉(zhuǎn)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(jīng)常瀏覽的網(wǎng)絡(luò)資源，關(guān)注大牛的網(wǎng)頁，比上學(xué)校數(shù)據(jù)庫資源更精、更有啟發(fā)性。排名不分先后，呵呵~~~
（1）微軟公司的文獻(xiàn)：http://research.microsoft.com/research/pubs
（2）微軟亞洲研究院：http://research.microsoft.com/asia/，值得關(guān)注Harry Shum, Jian Sun, Steven Lin, Long Quan(兼職HKUST)etc.
（3）瑞典隆德大學(xué)數(shù)學(xué)系視覺組：http://www.maths.lth.se/matematiklth/personal/andersp/
感覺國外搞視覺的好多是數(shù)學(xué)系出身，大約做計(jì)算機(jī)視覺對數(shù)學(xué)要求很高吧。
（4）澳大利亞國立大學(xué)：http://users.rsise.anu.edu.au/~hartley/
（5）美國北卡大學(xué)：http://www.cs.unc.edu/~marc/
（6）加州大學(xué)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(jì)算機(jī)牛校，僅視覺就好猛。
（8）法國INRIA：http://www-sop.inria.fr/odyssee/team/
由Olivier.Faugeras領(lǐng)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(shí)魯汶大學(xué)的L.Van Gool： www.esat.kuleuven.ac.be/psi/visics/
據(jù)說在這個(gè)只有中國一個(gè)小鎮(zhèn)大小的地方的魯汶大學(xué)在歐洲排行top10，名列世界top100，還出了幾個(gè)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(zhuǎn)自：http://www.shamoxia.com/html/y2009/286.html
計(jì)算機(jī)視覺領(lǐng)域的值得學(xué)習(xí)的博客作者：心誠則靈
IJCAI (1+): AI最好的綜合性會議, 1969年開始, 每兩年開一次, 奇數(shù)年開. 因?yàn)锳I 實(shí)在太大, 所以雖然每屆基本上能錄100多篇（現(xiàn)在已經(jīng)到200多篇了），但分到每個(gè)領(lǐng)域就沒幾篇了，象machine learning、computer vision這么大的領(lǐng)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?yàn)閮?nèi) 行人都會掂掂分量, 沒希望的就別浪費(fèi)reviewer的時(shí)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?yàn)閲鴥?nèi)很少有能自己把關(guān)的研究組, 所以很多會議都在complain說中國的低質(zhì)量文章嚴(yán)重妨礙了PC的工作效率. 在這種情況下, 估計(jì)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(gè)公司"IJCAI Inc."主辦的(當(dāng)然實(shí)際上并不是公司, 實(shí)際上是個(gè)基金會), 每次會議上要 發(fā)幾個(gè)獎, 其中最重要的兩個(gè)是IJCAI Research Excellence Award 和 Computer& Thoughts Award, 前者是終身成就獎, 每次一個(gè)人, 基本上是AI的最高獎(有趣的是, 以AI為主業(yè)拿圖靈獎的6位中, 有2位還沒得到這個(gè)獎), 后者是獎給35歲以下的青年科學(xué)家, 每次一個(gè)人. 這兩個(gè)獎的獲獎演說是每次IJCAI的一個(gè)重頭戲.另外，IJCAI 的 PC member 相當(dāng)于其他會議的area chair, 權(quán)力很大, 因?yàn)槭怯蒔C member 去找 reviewer 來審, 而不象一般會議的PC member其實(shí)就是 reviewer. 為了制約這種權(quán)力, IJCAI的審稿程序是每篇文章分配2位PC member, primary PC member去找3位reviewer, second PC member 找一位.
AAAI (1): 美國人工智能學(xué)會AAAI的年會. 是一個(gè)很好的會議, 但其檔次不穩(wěn)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?yàn)樗拈_法完全受IJCAI制約: 每年開, 但如果這一年的IJCAI在北美舉行, 那么就停開. 所以, 偶數(shù)年里因?yàn)闆]有IJCAI, 它就是最好的AI綜合性會議, 但因?yàn)樘栒倭Ξ吘贡菼JCAI要小一些,特別是歐洲人捧AAAI場的比IJCAI少得多(其實(shí)亞洲人也是), 所以比IJCAI還是要稍弱一點(diǎn), 基本上在1和1+之間; 在奇數(shù)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(gè)會議就進(jìn)行了協(xié)調(diào), 使得IJCAI的錄用通知時(shí)間比AAAI的deadline早那么幾天, 這樣IJCAI落選的文章可以投往AAAI.在審稿時(shí)IJCAI 的 PC chair也在一直催, 說大家一定要快, 因?yàn)锳AAI那邊一直在擔(dān)心IJCAI的錄用通知出晚了AAAI就麻煩了.
COLT (1): 這是計(jì)算學(xué)習(xí)理論最好的會議, ACM主辦, 每年舉行. 計(jì)算學(xué)習(xí)理論基本上可以看成理論計(jì)算機(jī)科學(xué)和機(jī)器學(xué)習(xí)的交叉, 所以這個(gè)會被一些人看成是理論計(jì)算機(jī)科學(xué)的會而不是AI的會. 我一個(gè)朋友用一句話對它進(jìn)行了精彩的刻畫: "一小群數(shù)學(xué)家在開會". 因?yàn)镃OLT的領(lǐng)域比較小, 所以每年會議基本上都是那些人. 這里順便提一件有趣的事, 因?yàn)樽罱鼑鴥?nèi)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(jīng)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(jì)算機(jī)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(jì)算機(jī)視覺, 但個(gè)人認(rèn)為它的模式識別味道更重一些. 事實(shí)上它應(yīng)該是模式識別最好的會議, 而在計(jì)算機(jī)視覺方面, 還有ICCV與之相當(dāng). IEEE一直有個(gè)傾向, 要把會辦成"盛會", 歷史上已經(jīng)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(jīng)不少了. 最近負(fù)責(zé)CVPR會議的TC的chair發(fā)信說, 對這個(gè)community來說, 讓好人被誤殺比被壞人漏網(wǎng)更糟糕, 所以我們是不是要減少好人被誤殺的機(jī)會啊? 所以我估計(jì)明年或者后年的CVPR就要擴(kuò)招了.
ICCV (1): 介紹CVPR的時(shí)候說過了, 計(jì)算機(jī)視覺方面最好的會之一. IEEE主辦. ICCV逢奇數(shù)年開，開會地點(diǎn)以往是北美，歐洲和亞洲輪流，本來2003年定在北京，后來因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(jī)器學(xué)習(xí)方面最好的會議之一. 現(xiàn)在是IMLS主辦, 每年舉行. 參見關(guān)于NIPS的介紹.
NIPS (1): 神經(jīng)計(jì)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(gè)會每年的舉辦地都是一樣的, 以前是美國丹佛, 現(xiàn)在是加拿大溫哥華; 而且它是年底開會, 會開完后第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(biāo)準(zhǔn)的"機(jī)器學(xué)習(xí)會議不同, NIPS里有相當(dāng)一部分神經(jīng)科學(xué)的內(nèi)容, 和機(jī)器學(xué)習(xí)有一定的距離. 但由于會議的主體內(nèi)容是機(jī)器學(xué)習(xí), 或者說與機(jī)器學(xué)習(xí)關(guān)系緊密, 所以不少人把NIPS看成是機(jī)器學(xué)習(xí)方面最好的會議之一. 這個(gè)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(fā)NIPS并不是難事, 一些未必很強(qiáng)的工作也能發(fā)上去, 但對這個(gè)圈子之外的人來說, 想發(fā)一篇實(shí)在很難, 因?yàn)榱艚o"外人"的口子很小. 所以對Jordan系以外的人來說, 發(fā)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那么大, 所以北美和歐洲人都認(rèn), 而NIPS則有些人(特別是一些歐洲人, 包括一些大家)堅(jiān)決不投稿. 這對會議本身當(dāng)然并不是好事,但因?yàn)镴ordan系很強(qiáng)大, 所以它似乎也不太care. 最近IMLS(國際機(jī)器學(xué)習(xí)學(xué)會)改選理事, 有資格提名的人包括近三年在ICMLECMLCOLT發(fā)過文章的人, NIPS則被排除在外了. 無論如何, 這是一個(gè)非常好的會.
ACL (1-): 計(jì)算語言學(xué)/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(shí)際上也是傳統(tǒng)AI(即基于邏輯的AI)最好的會議之一. KR Inc.主辦, 現(xiàn)在是偶數(shù)年開.
SIGIR (1-): 信息檢索方面最好的會議, ACM主辦, 每年開. 這個(gè)會現(xiàn)在小圈子氣越來越重. 信息檢索應(yīng)該不算AI, 不過因?yàn)檫@里面用到機(jī)器學(xué)習(xí)越來越多, 最近幾年甚至有點(diǎn)機(jī)器學(xué)習(xí)應(yīng)用會議的味道了, 所以把它也列進(jìn)來.
SIGKDD (1-): 數(shù)據(jù)挖掘方面最好的會議, ACM主辦, 每年開. 這個(gè)會議歷史比較短,畢竟, 與其他領(lǐng)域相比,數(shù)據(jù)挖掘還只是個(gè)小弟弟甚至小侄兒. 在幾年前還很難把它列在tier-1里面, 一方面是名聲遠(yuǎn)不及其他的top conference響亮, 另一方面是相對容易被錄用. 但現(xiàn)在它被列在tier-1應(yīng)該是毫無疑問的事情了. 這幾年來KDD的質(zhì)量都很高. SIGKDD從2000年來full paper的錄取率都在10%-12%之間，遠(yuǎn)遠(yuǎn)低于IJCAI和ICML.
經(jīng)常聽人說，KDD要比IJICAI和ICML都要困難。IJICAI才6頁，而KDD要10頁。沒有扎實(shí)系統(tǒng)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(gè)能經(jīng)常中。
UAI (1-): 名字叫"人工智能中的不確定性", 涉及表示推理學(xué)習(xí)等很多方面, AUAI(Association of UAI) 主辦, 每年開.
我知道的幾個(gè)人工智能會議(二三流)
(原創(chuàng)為lilybbs.us上的daniel)
純屬個(gè)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(yán)謹(jǐn)?shù)卣f, tier-1是可以令人羨慕的, tier-2是可以令人尊敬的,由于AI的相關(guān)會議非常多, 所以能列進(jìn)tier-3的也是不錯(cuò)的.
tier 2: tier-2的會議列得不全, 我熟悉的領(lǐng)域比較全一些.
AAMAS (2+): agent方面最好的會議. 但是現(xiàn)在agent已經(jīng)是一個(gè)一般性的概念,
幾乎所有AI有關(guān)的會議上都有這方面的內(nèi)容, 所以AAMAS下降的趨勢非常明顯.
ECCV (2+): 計(jì)算機(jī)視覺方面僅次于ICCV的會議, 因?yàn)檫@個(gè)領(lǐng)域發(fā)展很快, 有可能升級到1-去.
ECML (2+): 機(jī)器學(xué)習(xí)方面僅次于ICML的會議, 歐洲人極力捧場, 一些人認(rèn)為它已經(jīng)是1-了. 我保守一點(diǎn), 仍然把它放在2+. 因?yàn)闄C(jī)器學(xué)習(xí)發(fā)展很快, 這個(gè)會議的reputation上升非常明顯.
ICDM (2+): 數(shù)據(jù)挖掘方面僅次于SIGKDD的會議, 目前和SDM相當(dāng). 這個(gè)會只有5年歷史, 上升速度之快非常驚人. 幾年前ICDM還比不上PAKDD, 現(xiàn)在已經(jīng)拉開很大距離了.
SDM (2+): 數(shù)據(jù)挖掘方面僅次于SIGKDD的會議, 目前和ICDM相當(dāng). SIAM的底子很厚,但在CS里面的影響比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(dāng)?shù)?
ICAPS (2): 人工智能規(guī)劃方面最好的會議, 是由以前的國際和歐洲規(guī)劃會議合并來的. 因?yàn)檫@個(gè)領(lǐng)域逐漸變冷清, 影響比以前已經(jīng)小了.
ICCBR (2): Case-Based Reasoning方面最好的會議. 因?yàn)轭I(lǐng)域不太大, 而且一直半冷不熱, 所以總是停留在2上.
COLLING (2): 計(jì)算語言學(xué)/自然語言處理方面僅次于ACL的會, 但與ACL的差距比ICCV-ECCV和ICML-ECML大得多.
ECAI (2): 歐洲的人工智能綜合型會議, 歷史很久, 但因?yàn)橛蠭JCAI/AAAI壓著,
很難往上升.
ALT (2-): 有點(diǎn)象COLT的tier-2版, 但因?yàn)楦阌?jì)算學(xué)習(xí)理論的人沒多少, 做得好的數(shù)來數(shù)去就那么些group, 基本上到COLT去了, 所以ALT里面有不少并非計(jì)算學(xué)習(xí)理論的內(nèi)容.
EMNLP (2-): 計(jì)算語言學(xué)/自然語言處理方面一個(gè)不錯(cuò)的會. 有些人認(rèn)為與COLLING相當(dāng), 但我覺得它還是要弱一點(diǎn).
ILP (2-): 歸納邏輯程序設(shè)計(jì)方面最好的會議. 但因?yàn)楹芏嗥渌麜h里都有ILP方面的內(nèi)容, 所以它只能保住2-的位置了.
PKDD (2-): 歐洲的數(shù)據(jù)挖掘會議, 目前在數(shù)據(jù)挖掘會議里面排第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?yàn)镮CDM和SDM, 這已經(jīng)不太可能了. 所以今年的PKDD和ECML雖然還是一起開, 但已經(jīng)獨(dú)立審稿了(以前是可以同時(shí)投兩個(gè)會, 作者可以聲明優(yōu)先被哪個(gè)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?yàn)锳I的相關(guān)會議非常多, 所以能列在tier-3也算不錯(cuò)了, 基本上能進(jìn)到所有AI會議中的前30%吧
ACCV (3+): 亞洲的計(jì)算機(jī)視覺會議, 在亞太級別的會議里算很好的了.
DS (3+): 日本人發(fā)起的一個(gè)接近數(shù)據(jù)挖掘的會議.
ECIR (3+): 歐洲的信息檢索會議, 前幾年還只是英國的信息檢索會議.
ICTAI (3+): IEEE最主要的人工智能會議, 偏應(yīng)用, 是被IEEE辦爛的一個(gè)典型. 以前的quality還是不錯(cuò)的, 但是辦得越久聲譽(yù)反倒越差了, 糟糕的是似乎還在繼續(xù)下滑, 現(xiàn)在其實(shí)3+已經(jīng)不太呆得住了.
PAKDD (3+): 亞太數(shù)據(jù)挖掘會議, 目前在數(shù)據(jù)挖掘會議里排第5.
ICANN (3+): 歐洲的神經(jīng)網(wǎng)絡(luò)會議, 從quality來說是神經(jīng)網(wǎng)絡(luò)會議中最好的, 但這個(gè)領(lǐng)域的人不重視會議,在該領(lǐng)域它的重要性不如IJCNN.
AJCAI (3): 澳大利亞的綜合型人工智能會議, 在國家/地區(qū)級AI會議中算不錯(cuò)的了.
CAI (3): 加拿大的綜合型人工智能會議, 在國家/地區(qū)級AI會議中算不錯(cuò)的了.
CEC (3): 進(jìn)化計(jì)算方面最重要的會議之一, 盛會型. IJCNN/CEC/FUZZ-IEEE這三個(gè)會議是計(jì)算智能或者說軟計(jì)算方面最重要的會議, 它們經(jīng)常一起開, 這時(shí)就叫WCCI (World Congress on Computational Intelligence). 但這個(gè)領(lǐng)域和CS其他分支不太一樣, 倒是和其他學(xué)科相似, 只重視journal, 不重視會議, 所以錄用率經(jīng)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(xí)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(jìn)化計(jì)算方面最重要的會議之一, 與CEC相當(dāng)，盛會型.
ICASSP (3): 語音方面最重要的會議之一, 這個(gè)領(lǐng)域的人也不很care會議.
ICIP (3): 圖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): 人工智能應(yīng)用會議. 一般的會議提名優(yōu)秀論文的通常只有幾篇文章, 被提名就已經(jīng)是很高的榮譽(yù)了, 這個(gè)會很有趣, 每次都搞1、20篇的優(yōu)秀論文提名, 專門搞幾個(gè)session做被提名論文報(bào)告, 倒是很熱鬧.
IJCNN (3): 神經(jīng)網(wǎng)絡(luò)方面最重要的會議, 盛會型, 參見CEC的介紹.
IJNLP (3): 計(jì)算語言學(xué)/自然語言處理方面比較著名的一個(gè)會議.