CVPR 二十年，影響力最大的 10 篇論文！

此前，極市盤點了圖像分割在過去二十年中影響力最大的10篇論文，得到了許多開發(fā)者的支持。今天，我們將對計算機視覺領(lǐng)域三大頂會之一CVPR在近二十年來中產(chǎn)生的優(yōu)秀論文進行一個全面的盤點與總結(jié)。

CVPR是計算機視覺領(lǐng)域三大頂會中唯一一個年度學(xué)術(shù)會議。在快速更新迭代的計算機學(xué)科中，CVPR成為了計算機視覺領(lǐng)域的“頂級流量”。而在過去的這些年間，CVPR也有著許多的變化。在十多年前，CVPR不過1500人的參會規(guī)模，到了2019年參會人數(shù)已經(jīng)超過了6500人，投稿數(shù)量也年年增長。

雖然CVPR每年都會評選出最佳論文，但我們今天將從另一個角度來評選CVPR這二十年來的TOP10。即以Web of Science上顯示的論文的引用量作為論文影響力的參考，排列出近二十年來影響力最大的十篇論文。接下來我們將依次進行介紹。

TOP10

Rethinking the Inception Architecture for Computer Vision

CVPR 2016

作者：Christian Szegedy，Vincent Vanhoucke，Sergey Ioffe，Jon Shlens，Zbigniew Wojna

機構(gòu)：Google，倫敦大學(xué)

被引頻次：4751

這篇論文又被稱為Inception-v3，是GoogLeNet（Inception-v1）的延伸。GoogLeNet首次出現(xiàn)于2014年ILSVRC 比賽，并在當(dāng)年的比賽中獲得了冠軍。Inception-v1的參數(shù)量遠小于同期VGGNet，而性能卻與之基本持平。相較于Inception-v1，Inception-v3做出的主要改進則是將卷積進行非對稱拆分，以顯著降低參數(shù)量，同時使得空間特征更為豐富。

TOP9

Densely Connected Convolutional Networks

CVPR 2017

作者：Gao Huang，Zhuang Liu，Laurens van der Maaten，Kilian Q. Weinberger

機構(gòu)：康奈爾大學(xué)，清華大學(xué)，F(xiàn)acebook AI Research

被引頻次：5181

DenseNet也是CVPR2017的最佳論文之一。在當(dāng)時的神經(jīng)網(wǎng)絡(luò)模型都遇到一個問題：隨著網(wǎng)路層數(shù)的加深，訓(xùn)練過程中的前傳信號和梯度信號在經(jīng)過很多層之后可能會逐漸消失。而DenseNet的核心思想解決了這一問題。它對前每一層都加一個單獨的 shortcut，使得任意兩層網(wǎng)絡(luò)都可以直接“溝通”。

而DenseNet的不足之處在于它的內(nèi)存占用十分龐大。但瑕不掩瑜，DenseNet以其極具創(chuàng)新性的思路，不僅顯著減輕了深層網(wǎng)絡(luò)在訓(xùn)練過程中梯度消散而難以優(yōu)化的問題，同時也取得了非常好的性能。

TOP8

You Only Look Once: Unified, Real-Time Object Detection

CVPR 2016

作者：Joseph Redmon，Santosh Divvala，Ross Girshick，Ali Farhadiq

機構(gòu)：華盛頓大學(xué)，Allen Institute for AI，F(xiàn)acebook AI Research

被引頻次：5295

這一篇論文就是在目標(biāo)檢測領(lǐng)域大名鼎鼎的YOLO。其最新的版本已經(jīng)更新到了YOLOv5，且每一代的發(fā)布都能在行業(yè)內(nèi)卷齊新的熱潮。

用YOLO的英文直譯解釋這一方法，就是只需要瀏覽一次就能識別出圖中的物體的類別和位置。展開來說，YOLO的核心思想就是將目標(biāo)檢測轉(zhuǎn)化為回歸問題求解，并基于一個單獨的端到端網(wǎng)絡(luò)，完成從原始圖像的輸入到物體位置和類別的輸出。這使得網(wǎng)絡(luò)結(jié)構(gòu)簡單，且極大提升了檢測速度。由于網(wǎng)絡(luò)沒有分支，所以訓(xùn)練也只需要一次即可完成。之后的很多檢測算法都借鑒了這一思路。

TOP7

Rich feature hierarchies for accurate object detection and semantic segmentation

CVPR 2014

作者：Ross Girshick，Jeff Donahue，Trevor Darrell，Jitendra Malik

機構(gòu)：加利福尼亞大學(xué)伯克利分校

被引頻次：6876

這篇文章的排名在YOLO之前，既合理又巧妙。因為在YOLO之前，目標(biāo)檢測領(lǐng)域可以說是RCNN的世界。RCNN是將CNN引入目標(biāo)檢測的開山之作，它改變了目標(biāo)檢測領(lǐng)域的主要研究思路。緊隨其后的系列文章，如Fast RCNN和Faster RCNN等，都代表了該領(lǐng)域當(dāng)時的最高水準(zhǔn)。

在RCNN前經(jīng)典的目標(biāo)檢測算法是使用滑動窗法依次判斷所有可能的區(qū)域，而RCNN則采用Selective Search方法預(yù)先提取一系列較可能是物體的候選區(qū)域，之后僅在這些候選區(qū)域上提取特征，這使得檢測的速度大大提升。

TOP6

Rapid object detection using a boosted cascade of simple features

CVPR 2001

作者：Paul Viola，Michael Jones

機構(gòu)：三菱電氣實驗室 ，康柏劍橋研究實驗室

被引頻次：7033

這篇論文是本次盤點中最先發(fā)表的一篇，比其他九篇文章都早了十年左右，它在傳統(tǒng)人臉檢測中具有里程碑意義，因而本文提出的思想聚焦于傳統(tǒng)的目標(biāo)檢測。

這篇論文主要解決了三個問題：一是減少了計算特征的時間，二是構(gòu)建了簡單又很有效的單分支決策樹分類器，最后是從簡單到復(fù)雜把多個分類器級聯(lián)，對可能包含人臉的區(qū)域進行重點檢測，從而顯著提升了檢測速度。

TOP5

Going Deeper with Convolutions

CVPR 2015

作者：Christian Szegedy，Dragomir Anguelov， Dumitru Erhan，Vincent Vanhoucke，Yangqing Jia，Pierre Sermanet，Wei Liu，Scott Reed，Andrew Rabinovich

機構(gòu)：Google，北卡羅來納大學(xué)，密歇根大學(xué)

發(fā)布時間：2015年

被引頻次：7269

可能大家已經(jīng)發(fā)現(xiàn)了亮點，這篇論文的系列工作在前面就出現(xiàn)過。這篇論文就是開辟Inception家族，并在CNN分類器發(fā)展史上留下濃墨重彩的一筆的GoogLeNet。

在 Inception 出現(xiàn)之前，大部分流行 CNN 是將卷積層不斷堆疊，讓網(wǎng)絡(luò)越來越深來得到更好的性能。而GoogLeNet 最大的特點就是使用 Inception 模塊，并設(shè)計一種具有優(yōu)良局部拓撲結(jié)構(gòu)的網(wǎng)絡(luò)，對輸入圖像并行地執(zhí)行多個卷積運算或池化操作，將所有輸出結(jié)果拼接為一個非常深的特征圖。通過這種方式，GoogLeNet取得了非常驚艷的效果。

TOP4

ImageNet: A Large-Scale Hierarchical Image Database

CVPR 2009

作者：Jia Deng，Wei Dong，Richard Socher，Li-Jia Li，Kai Li，Li Fei-Fei

機構(gòu)：普林斯頓大學(xué)

發(fā)布時間：2009年

被引頻次：8222

ImageNet是AI女神李飛飛團隊構(gòu)建的計算機視覺領(lǐng)域非常著名的海量的帶標(biāo)注圖像數(shù)據(jù)集。它在圖像分類、目標(biāo)分割和目標(biāo)檢測中都有著無法撼動的地位。ImageNet從 2007 年開始到 2009 年完成，有超過 1500 萬張圖片。

可以毫不夸張的說，ImageNet 是圖像處理算法的試金石。另外，從 2010 年起，每年 ImageNet 官方會舉辦挑戰(zhàn)賽。Hinton團隊提出的AlexNet也是在2012年的ImageNet挑戰(zhàn)賽上一舉成名，自此深度學(xué)習(xí)的熱潮被點燃。

TOP3

Fully Convolutional Networks for Semantic Segmentation

CVPR 2015

作者：Jonathan Long，Evan Shelhamer，Trevor Darrell

發(fā)布時間：2015年

被引頻次：9027

FCN在我們之前盤點的圖像分割TOP10中就出現(xiàn)過，并高居第一位。作為語義分割的開山之作，無論是圖像分割TOP1，還是CVPRTOP3，F(xiàn)CN都是當(dāng)之無愧的。FCN所提出的全卷積網(wǎng)絡(luò)的概念，開創(chuàng)了用FCN做實例和像素級別理解系列方法的先河。后續(xù)非常多的方法都受到了FCN的思路啟發(fā)。FCN的提出為目標(biāo)識別、檢測與分割也都做出了巨大的貢獻。

TOP2

Histograms of oriented gradients for human detection

CVPR 2005

作者：Navneet Dalal，Bill Triggs

被引頻次：13389

這篇論文所提出的方法簡稱HOG，是一種是非常經(jīng)典的圖像特征提取方法，在行人識別領(lǐng)域被應(yīng)用得尤為多。雖然文章已經(jīng)發(fā)表了十五年，但仍然常常被人們用于最新工作的思路參考。HOG將圖像分成小的連通區(qū)域，將它稱為細胞單元，然后采集細胞單元中各像素點的梯度的或邊緣的方向直方圖，把這些直方圖組合起來就可以構(gòu)成特征描述器。

TOP1

Deep Residual Learning for Image Recognition

CVPR2016

作者：Kaiming He，Xiangyu Zhang，Shaoqing Ren，Jian Sun

被引頻次：32065

這篇論文作為第一名，的確是當(dāng)之無愧。作為CVPR2016的最佳論文，它所提出的ResNet不僅在計算機視覺領(lǐng)域，而是在深度學(xué)習(xí)領(lǐng)域中都帶來了顛覆式影響。

在當(dāng)年，ResNet橫掃 ImageNet 2015和COCO 榜單。也是從ResNet開始，神經(jīng)網(wǎng)絡(luò)在視覺分類任務(wù)上的性能第一次超越了人類。它也讓當(dāng)時第二次獲得CVPR Best Paper的何愷明正式踏上了大神之路。

最初 ResNet 的設(shè)計是用來處理深層 CNN 結(jié)構(gòu)中梯度消失和梯度爆炸的問題，它將輸入從卷積層的每個塊添加到輸出，讓每一層更容易學(xué)習(xí)恒等映射，并且還減少了梯度消失的問題。而如今，殘差模塊已經(jīng)成為幾乎所有 CNN 結(jié)構(gòu)中的基本構(gòu)造。

最后，我們來進行一下簡要地總結(jié)。雖然本次盤點的是20年內(nèi)CVPRTOP10，但是有超過半數(shù)的論文都是在近十年發(fā)表的，由此可以窺見深度學(xué)習(xí)在近年來的飛躍式發(fā)展。因此我們可以期待在未來的計算機視覺領(lǐng)域，一定會有更多更強的工作，為我們的科研與生活帶來更快更好的提升。

參考資料

[1] https://zhuanlan.zhihu.com/p/41691301
[2] https://www.zhihu.com/question/60109389/answer/203099761
[3] https://zhuanlan.zhihu.com/p/31427164
[4] https://zhuanlan.zhihu.com/p/23006190
[5] https://blog.csdn.net/weixin_37763809/article/details/88256828
[6] https://zhuanlan.zhihu.com/p/37505777
[7] https://zhuanlan.zhihu.com/p/77221549
[8] https://www.zhihu.com/question/433702668/answer/1617092684
[9] https://blog.csdn.net/zouxy09/article/details/7929348
[10] https://www.jiqizhixin.com/articles/2020-01-01

如果覺得有用，就請分享到朋友圈吧！