专栏首页磐创AI技术团队的专栏谷歌2019 学术指标发榜:CVPR首次进入Top 10,何恺明论文引用最高!

谷歌2019 学术指标发榜:CVPR首次进入Top 10,何恺明论文引用最高!

精品文章,第一时间送达

转载自:新智元,未经允许不得二次转载

【导读】今天,谷歌发布了2019最新版学术指标,对收录的会议和期刊的影响力进行排名。AI类的多个顶会进入榜单Top 100,CVPR更是进入前10,而何恺明的“深度残差网络”单篇引用次数高达25256次,引用量最高!

今天,谷歌正式发布了2019年版的学术指标(Scholar Metrics)

本次发布涵盖2014-2018年发表的文章,并包括了截至2019年7月在谷歌学术中被索引的所有文章的引用 。

最新版的谷歌学术指标有以下亮点:

  • 两大自然科学顶刊Nature和Science分别排名第一和第三
  • 计算机视觉顶会CVPR首次进入综合榜单Top 10
  • 一共有六个人工智能类顶会进入综合榜单Top 100
  • 多篇人工智能论文出现在Nature的高引论文中;
  • 何恺明的“深度残差学习”论文是最近5年CV类引用次数最多的论文,被引25256次

谷歌学术指标为作者提供了一种简便的方法,让学者们可以快速评估学术出版物最近文章的影响力。

学术指标的收录包括遵循谷歌学术收录指南的网络期刊,并选择了工程和计算机科学的主要会议。2014-2018年间论文少于100篇的出版物,或2014-2018年间未被引用的出版物没有被收录在内。

在谷歌的官方网站上,你可以用特定的类型关键词进行搜索,比如 Ceramic Engineering、 High Energy & Nuclear Physics 或者 Film ;或者更宽泛的领域,比如 Engineering & Computer Science 或者 Humanities, Literature & Arts 。

在网站上,你可以看到根据 5 年高引用(h5指数)和 h5中位数指标排名的前 20 出版物。你也可以看到不同语种排名前 100 的出版物,比如中文、西班牙语和葡萄牙语。每一个出版物,你可以点击 h5-index 查看该出版物被引用最多的论文。

学术指标包括超出按类别和按语言列出的大量出版物。你可以通过在搜索框中输入关键词来找到这些内容,例如[security]、[soil]、[medicina]。

综合榜单Top 20:CVPR首次进入前10名,NeurIPS第27

谷歌学术把英文类出版物分为以下几大类:

  • 商业、经济和管理
  • 化学和材料科学
  • 工程和计算机科学
  • 健康和医学科学
  • 人文、文学和艺术
  • 生命科学和地球科学
  • 物理和数学
  • 社会科学

综合排名Top 20

首先来看看综合排名。

英文类出版物,网站列出了 TOP100 的名单,其中 Nature 排名第一,H5 指数 368,H5 中位数 546。

另一科学顶刊Science排名第三,H5指数338,H5中位数511。

特别值得注意的是,计算机视觉的顶会CVPR排名进入了Top 10。去年CVPR的排名是第20,一跃进步了10名。

此外,AI 领域另一个备受关注的会议 NeurIPS,也在综合排名中位列第 27(去年是第54)。

其他人工智能类会议,ICLR排名第42,ECCV排名第56,ICML排名第59,ICCV排名第71

此外,IEEE系期刊中《IEEE模式分析与机器智能学报》排名第76,《IEEE工业电子学报》排名第81,《IEEE电力电子学报》排名第98。

再来看单篇论文的被引次数:

其中,Nature杂志今年来被引用次数最高的Top 5论文中,人工智能相关论文占了3篇,分别是LeCun、Bengio和Hinton2015年发表的“Deep Learning”综述论文,DeepMind的“Q-network”深度强化学习论文,以及同样来自DeepMind的“通过深度神经网络和树搜索掌握围棋游戏”论文。

工程与计算机领域Top 20

工程与计算机类的Top 20

工程和计算机科学类目下分为 56 个子项目,其中包括人工智能、计算机语言学、计算机视觉与模式识别、人机交互、Robotics等。下文将对这些领域进行详细介绍。

人工智能 TOP 20,多个顶会上榜

人工智能Top 20

一眼看去,人工智能分类(不包含CV、NLP等子领域)的TOP 20有多个是顶会,包括前面提到进入综合榜单TOP 100的NeurIPS、ICLR和ICML

此外,AAAI虽然没有进入总榜Top 100,但在人工智能类排名第7。

让我们来发表在人工智能类会议中被引用次数最高的论文:

1. Adam: A Method for Stochastic Optimization.

DP Kingma, J Ba

ICLR

引用次数:25240

2. Very Deep Convolutional Networks for Large-Scale Image Recognition.

K Simonyan, A Zisserman

ICLR

引用次数:24554

3. Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift.

S Ioffe, C Szegedy

ICML, 448-456

引用次数:11293

4. Faster R-CNN: towards real-time object detection with region proposal networks

S Ren, K He, R Girshick, J Sun Proceedings of the 28th International Conference on Neural Information …

引用次数:10517

5. Generative adversarial nets

IJ Goodfellow, J Pouget-Abadie, M Mirza, B Xu, D Warde-Farley, S Ozair, ...

Proceedings of the 27th International Conference on Neural Information …

引用次数:10175

可以看到,Adam随机优化方法以25240次引用排名第一,何恺明大神的Faster R-CNN以10517次引用进入前5,比Goodfellow的生成对抗网络论文略高。

计算机视觉与模式识别类 TOP 20,何恺明大神单篇引用最高

在计算机视觉与模式识别领域,三大视觉顶会CVPR、ECCV和ICCV分列前三

第4和第5则分别是IEEE系的两本会刊:《IEEE模式分析与机器智能学报》和《IEEE图像处理学报》,两者h5指数均超过100.

接下来是计算机视觉与模式识别类引用最高的论文:

1. Deep Residual Learning for Image Recognition

K He, X Zhang, S Ren, J Sun

Proceedings of the IEEE Conference on Computer Vision and Pattern …

引用次数:25256

2. Going Deeper With Convolutions

C Szegedy, W Liu, Y Jia, P Sermanet, S Reed, D Anguelov, D Erhan, ...

Proceedings of the IEEE Conference on Computer Vision and Pattern …

引用次数:14424

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

S Ren, K He, R Girshick, J Sun

IEEE Transactions on Pattern Analysis and Machine Intelligence 39 (6), 1137-1149

引用次数:10517

4. Fully Convolutional Networks for Semantic Segmentation

J Long, E Shelhamer, T Darrell

Proceedings of the IEEE Conference on Computer Vision and Pattern …

引用次数:10153

5. Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation

R Girshick, J Donahue, T Darrell, J Malik

Proceedings of the IEEE Conference on Computer Vision and Pattern …

引用次数:8960

这个类别中,何恺明的“深度残差网络”以25256次引用排名第一!(由于被IEEE计算机视觉与模式识别论文集收录,Faster R-CNN出现了两次。)

计算机语言学 TOP20,三大NLP顶会分列前三

在自然语言处理(Google scholar 中的分类是 Computational Linguistics)领域,不出意外,排名前三的是三大NLP顶会:ACL、EMNLP和NAACL

接下来是计算语言学类引用最高的论文:

1. Glove: Global Vectors for Word Representation

J Pennington, R Socher, C Manning

Proceedings of the 2014 Conference on Empirical Methods in Natural Language …

引用次数:8358

2. The Stanford CoreNLP Natural Language Processing Toolkit.

CD Manning, M Surdeanu, J Bauer, JR Finkel, S Bethard, D McClosky

ACL (System Demonstrations), 55-60

引用次数:5618

3. Convolutional Neural Networks for Sentence Classification

Y Kim

Proceedings of the 2014 Conference on Empirical Methods in Natural Language …

引用次数:4551

4. Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation

K Cho, B van Merrienboer, C Gulcehre, D Bahdanau, F Bougares, ...

Proceedings of the 2014 Conference on Empirical Methods in Natural Language …

引用次数:3629

5. A Convolutional Neural Network for Modelling Sentences

N Kalchbrenner, E Grefenstette, P Blunsom

Proceedings of the 52nd Annual Meeting of the Association for Computational …

引用次数:1838

人机交互和机器人学TOP 20

最后,我们分别看一下人机交互和机器人学领域的Top 20顶刊/顶会:

人机交互类Top 20

机器人类Top 20

h5 指数是指在过去整整 5 年中所发表文章的 h 指数。h 指在 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。

出版物的 h5 中位数,是指出版物的 h5 指数所涵盖的所有文章获得的引用次数的中位值。

想了解更多高影响力期刊和论文,请点击阅读原文到官网查看。

你也许还想看:

NLPer入门指南 | 完美第一步

一文总结数据科学家常用的Python库(下)

一文看懂NLP神经网络发展历史中最重要的8个里程碑!

本文分享自微信公众号 - 磐创AI(xunixs)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-07-24

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 如何评价Kaiming He的Momentum Contrast for Unsupervised?

    作者:林孟潇 https://www.zhihu.com/question/355779873/answer/893928396

    磐创AI
  • 11月最佳机器学习开源项目Top10!

    过去一个月,我们从近 250 个机器学习开源项目中挑选出了最受大家关注的前十名。这些项目在 GitHub 上平均 Stars 数为 2713。这些项目涉及由 G...

    磐创AI
  • 优化与深度学习之间的关系

    我只画出了区间(-2, 2)的函数图像,通过观察图像,我们发现该函数有两个波谷,分别是局部最小值和全局最小值。

    磐创AI
  • 谷歌2019 学术指标发榜:CVPR首次进入Top 10,何恺明论文引用最高!

    本次发布涵盖2014-2018年发表的文章,并包括了截至2019年7月在谷歌学术中被索引的所有文章的引用 。

    新智元
  • leetcode之斐波那契数

    这里使用公式方法来计算,F(0) = 0, F(1) = 1,在N>1时,F(N) = F(N - 1) + F(N - 2)。

    codecraft
  • leetcode之斐波那契数

    这里使用公式方法来计算,F(0) = 0, F(1) = 1,在N>1时,F(N) = F(N - 1) + F(N - 2)。

    codecraft
  • 关于useState的一切

    每次FunctionComponent render时,全局变量currentlyRenderingFiber都会被赋值为该FunctionComponent对...

    公众号@魔术师卡颂
  • 机器学习概述

    机器学习概述简要的描写了机器学习的概念和相关分类,包括神经网络和深度学习等等,其中就网络神经的应用举例说明了常用的自然语言理解、人脸识别以及语音识别的成熟使用情...

    用户2188327
  • 微服务架构体系分享

    伴随着深度学习的大红大紫,只要是在自己的成果里打上deep learning字样,总会有人去看。深度学习可以称为当今机器学习领域的当之无愧的巨星,也特别得到工业...

    用户2188327
  • 原创 | 操作失误不要慌,这个命令给你的Git一次反悔的机会

    这两个命令虽然不是必知必会,但是如果熟练使用可以极大地帮助我们查看代码仓库的问题,以及在我们操作失误的时候拯救我们。可以理解成应急技能,一般情况下用不到,关键时...

    TechFlow-承志

扫码关注云+社区

领取腾讯云代金券