标签：
最近要求关注视觉注意的“热门研究方向”、“最新方法”等。boss建议CNKI、EI、或者SCI期刊。我有点纳闷，为什么不去读顶级会议上的论文？
感觉在机器学习、计算机视觉和人工智能领域，顶级会议才是王道。有人会质疑这些会议都只是EI，确实，在中国的许多其它领域的会议都是盛会，比如society
of
neuroscience的会议，人山人海形容也不过分。但是，计算机几个领域的确非常特殊，顶级会议的重要性无论怎么强调都不为过。
可以从以下几点说明：（1）因为机器学习、计算机视觉和人工智能领域发展非常迅速，新的工作层出不穷，如果把论文投到期刊上，一两年后刊出时就有点out
了。因此大部分最新的工作都首先发表在顶级会议上，这些顶级会议完全能反映“热门研究方向”、“最新方法”。（2）很多经典工作大家可能引的是某顶级期刊
上的论文，这是因为期刊论文表述得比较完整、实验充分。但实际上很多都是在顶级会议上首发。比如PLSA,
Latent Dirichlet
Allocation等。（3）如果注意这些领域大牛的pulications，不难发现他们很非常看重这些顶级会议，很多人是80%的会议+20%的期刊。即然大牛们把最新工作发在顶级会议上，有什么理由不去读顶级会议？
(1)以下是几个顶级会议的列表（不完整的，但基本覆盖）
机器学习顶级会议：NIPS, ICML, UAI,
AISTATS; （期刊：JMLR, ML, Trends in
ML, IEEE T-NN）
计算机视觉和图像识别：ICCV, CVPR,
ECCV; （期刊：IEEE T-PAMI, IJCV, IEEE T-IP）
人工智能：IJCAI, AAAI; （期刊AI）
另外相关的还有SIGRAPH, KDD, ACL, SIGIR, WWW等。
特别是，如果做机器学习，必须地，把近4年的NIPS,
ICML翻几遍；如果做计算机视觉，要把近4年的ICCV, CVPR, NIPS, ICML翻几遍。
(2)另外补充一下：大部分顶级会议的论文都能从网上免费下载到，
比如CV方面：http://www.cvpapers.com/index.html
NIPS: http://books.nips.cc/
JMLR(期刊): http://jmlr.csail.mit.edu/papers/
COLT和ICML(每年度的官网): http://www.cs.mcgill.ca/~colt2009/proceedings.html
希望这些信息对大家有点帮助。
(3)说些自己的感受。对计算机视觉和计算神经科学领域，从方法和模型的角度看，统计模型（包括probabilistic
graphical model和statistical learning
theory）是主流也是非常有影响力的方法。有个非常明显的趋势：重要的方法和模型最先在NIPS或ICML出现，然后应用到CV,IR和MM。虽然具体问题和应用也很重要，但多关注和结合这些方法也很有意义。
标签：
原文地址：http://www.cnblogs.com/zhiyinglky/p/4849856.html
