上周CV君盘点了去年CVPR中引用量最高的 20 篇论文：

时隔一年，盘点CVPR 2019影响力最大的20篇论文

不少朋友催更ECCV 2018的。

同样是计算机视觉领域顶级会议，ECCV 每两年举办一次,今年的ECCV 2020 在八月末举行，本文盘点 ECCV 2018 影响力最大的20篇论文，毕竟两年过去了，足以看出论文的含金量，事实上直到如今这些工作还深刻影响着计算机视觉领域。

本文所指的影响力以谷歌学术上显示的论文的引用量排序，截止时间为2020年8月3日（今天）。

同前文，先说一些有意思的结论：

1. 这些论文均有开源代码，大部分算法有官方开源版本，少部分由他人实现，其中的著名算法如 DeepLabv3+、CBAM、Group normalization、ShuffleNet V2、BiseNet 都有很多开源实现。经过时间检验的算法，当然会有很多人复现。

2. 这20篇论文包含方向：语义分割（3篇）、注意力模型、网络归一化、神经架构搜索（2篇）、轻量级网络结构、图像翻译（GAN，2篇）、超分辨率、人员重识别（Person ReID）、目标检测、图像修复（Inpainting）、无监督学习、弱监督学习、姿态估计、目标跟踪、动作识别、三维重建。

3. DeepLabv3+ 引用数第一除了因为自身精度高长期霸榜、光芒万丈外，近两年语义分割方向太火肯定也是一个很大的因素，ECCV 2018 就有 3 篇语义分割文章入前20。

4. 排名靠前的算法除了引用数第一的 DeepLabv3+ 为特定方向的算法外（引用数 1941，将近是第 2、3、4位论文引用数总和），其他如CBAM注意力模型（引用数 780）、GN网络归一化方法（引用数 685）、神经架构搜索PNASNet（引用数 663）、轻量级网络结构Shufflenet v2（引用数 654）等研究的均为通用的网络设计、训练方法和组件。

5. CornerNet 算法排名第九，作为anchor-free类目标检测算法的代表作，勉强守住了前十。CVPR 2019 引用最高的20篇论文中出现两篇3D目标检测算法，很明显能看出3D目标检测越来越引起学界的兴趣。

6. 大部分论文有工业界的身影，比如谷歌 4 篇，Facebook 3篇，英伟达 2 篇，Adobe、Intel各 1 篇，国内企业界旷视 2 篇、商汤 2 篇、腾讯 2 篇、微软亚研院 1 篇。

大家还发现了哪些有意思的地方，欢迎在文末留言交流。

   NO.1 语义分割  DeepLabv3+

Encoder-decoder with atrous separable convolution for semantic image segmentation

作者 | Liang-Chieh Chen, Yukun Zhu, George Papandreou, Florian Schroff, Hartwig Adam

单位 | 谷歌

论文 |  https://arxiv.org/abs/1802.02611

解读 | https://zhuanlan.zhihu.com/p/126567709

代码 | https://github.com/tensorflow/models/

tree/master/research/deeplab

引用 | 1941

   NO.2 注意力模型 CBAM

CBAM: Convolutional block attention module

通用提升CNN模型性能的卷积块注意力模型

作者 | Sanghyun Woo, Jongchan Park, Joon-Young Lee, In So Kweon

单位 | 韩国科学技术院；Lunit Inc；Adobe Research

论文 | https://arxiv.org/abs/1807.06521

代码 | https://github.com/Jongchan/attention-module

引用 | 780

   NO.3 归一化方法 GN

Group normalization

可代替BN的深度学习归一化方法

作者 | Yuxin Wu, Kaiming He

单位 | FAIR

论文 | https://arxiv.org/abs/1803.08494

解读 | 全面解读Group Normalization-（吴育昕-何恺明 ）

https://zhuanlan.zhihu.com/p/35005794

代码 | https://github.com/facebookresearch/

Detectron/tree/master/projects/GN

引用 | 685

   NO.4 神经架构搜索 PNASNet

提高了NAS 在ImageNet上的精度，大幅减少了训练时间

Progressive neural architecture search

作者 | Chenxi Liu, Barret Zoph, Maxim Neumann, Jonathon Shlens, Wei Hua, Li-Jia Li, Li Fei-Fei, Alan Yuille, Jonathan Huang, Kevin Murphy

单位 | 约翰斯霍普斯金大学；谷歌AI；斯坦福大学

论文 | https://arxiv.org/abs/1712.00559

解读 |  PNASNet详解

https://zhuanlan.zhihu.com/p/52798148

代码 | https://github.com/tensorflow/models/tree/

master/research/slim#Pretrained

代码 | https://github.com/chenxi116/PNASNet

TF（TensorFlow）

代码 | https://github.com/chenxi116/PNASNet.

pytorch（PyTorch）

备注 | ECCV 2018 oral

引用 | 663

   NO.5 轻量级网络结构 Shufflenet v2

Shufflenet v2: Practical guidelines for efficient cnn architecture design

新型轻量架构ShuffleNet V2：从理论复杂度到实用设计准则

作者 | Ningning Ma, Xiangyu Zhang, Hai-Tao Zheng, Jian Sun

单位 | 旷视；清华

论文 | https://arxiv.org/abs/1807.11164

代码 | https://github.com/megvii-model/ShuffleNet-Series

解读 | https://zhuanlan.zhihu.com/p/40824527

引用 | 654

   NO.6 多模态无监督图像到图像翻译 MUNIT

Multimodal unsupervised image-to-image translation

多模态无监督的图像到图像翻译

作者 | Xun Huang, Ming-Yu Liu, Serge Belongie, Jan Kautz

单位 | 康奈尔大学；英伟达

论文 | https://arxiv.org/abs/1804.04732

解读 | https://zhuanlan.zhihu.com/p/97326646

代码 | https://github.com/nvlabs/MUNIT

引用 | 593

   NO.7 超分辨率 残差通道注意力网络（RCAN）

Image super-resolution using very deep residual channel attention networks

作者 | Yulun Zhang, Kunpeng Li, Kai Li, Lichen Wang, Bineng Zhong, Yun Fu

单位 | （美国）东北大学；

论文 | https://arxiv.org/abs/1807.02758

代码 | https://github.com/yulunzhang/RCAN

引用 | 563

   NO.8 人员重识别 PCB

Beyond part models: Person retrieval with refined part pooling (and a strong convolutional baseline)

作者 | Yifan Sun, Liang Zheng, Yi Yang, Qi Tian, Shengjin Wang

单位 | 清华大学；悉尼科技大学；

德克萨斯大学圣安东尼奥分校(圣安东尼奥)

论文 | https://arxiv.org/abs/1711.09349

代码 | https://github.com/huanghoujing/beyond-part-models

解读 | https://zhuanlan.zhihu.com/p/31947809

引用 | 526

   NO.9 目标检测 anchor-free方法

Cornernet: Detecting objects as paired keypoints

作者 | Hei Law, Jia Deng

单位 | 普林斯顿大学

论文 | https://arxiv.org/abs/1808.01244

解读 | ECCV18 Oral | CornerNet目标检测开启预测“边界框”到预测“点对”的新思路

代码 | https://github.com/umich-vl/CornerNet

引用 | 450

   NO.10 图像修复 Partial Convolutions

基于部分卷积Pconv的图片修复

Image inpainting for irregular holes using partial convolutions

作者 | Guilin Liu, Fitsum A. Reda, Kevin J. Shih, Ting-Chun Wang, Andrew Tao, Bryan Catanzaro

单位 | 英伟达

论文 | https://arxiv.org/abs/1804.07723

解读 | https://zhuanlan.zhihu.com/p/163165243

代码 | https://github.com/NVIDIA/partialconv

引用 | 412

   NO.11 无监督学习 DeepCluster

用聚类方法结合卷积网络，实现无监督端到端图像分类

Deep clustering for unsupervised learning of visual features

作者 | Mathilde Caron, Piotr Bojanowski, Armand Joulin, Matthijs Douze

单位 | FAIR

论文 | https://arxiv.org/abs/1807.05520

代码 | https://github.com/facebookresearch/deepcluster

解读 | https://zhuanlan.zhihu.com/p/41457268

引用 | 373

   NO.12 语义分割 ICNet

高分辨率图像实时语义分割算法ICNet

ICNet for real-time semantic segmentation on high-resolution images

作者 | Hengshuang Zhao, Xiaojuan Qi, Xiaoyong Shen, Jianping Shi, Jiaya Jia

单位 | 香港中文大学；腾讯优图；商汤

论文 | https://arxiv.org/abs/1704.08545

代码 | https://github.com/hszhao/ICNet

引用 | 348

   NO.13 AutoML Amc

用于移动端设备的模型压缩与加速的AutoML方法

Amc: Automl for model compression and acceleration on mobile devices

作者 | Yihui He, Ji Lin, Zhijian Liu, Hanrui Wang, Li-Jia Li, Song Han

单位 | 麻省理工学院；卡内基梅隆大学；谷歌

论文 | https://arxiv.org/abs/1802.03494

代码 | https://github.com/mit-han-lab/amc

引用 | 344

   NO.14 图像翻译 DRIT

基于解耦表示的图像翻译

Diverse image-to-image translation via disentangled representations

作者 | Hsin-Ying Lee, Hung-Yu Tseng, Jia-Bin Huang, Maneesh Kumar Singh, Ming-Hsuan Yang

单位 | 加州大学默塞德分校；弗吉尼亚理工大学；Verisk Analytics；谷歌云

论文 | https://arxiv.org/abs/1808.00948

解读 | https://zhuanlan.zhihu.com/p/70402066

代码 | https://github.com/HsinYingLee/DRIT/

主页 | http://vllab.ucmerced.edu/hylee/DRIT/

备注 | ECCV 2018 oral

引用 | 338

   NO.15 弱监督学习

探索弱监督学习预训练模型的基线

Exploring the limits of weakly supervised pretraining

作者 | Dhruv Mahajan, Ross Girshick, Vignesh Ramanathan, Kaiming He, Manohar Paluri, Yixuan Li, Ashwin Bharambe, Laurens van der Maaten

单位 | Facebook

论文 | https://arxiv.org/abs/1805.00932

代码 | https://github.com/facebookresearch/WSL-Images

引用 | 331

   NO.16 人体姿态估计与跟踪

Simple baselines for human pose estimation and tracking

作者 | Bin Xiao, Haiping Wu, Yichen Wei

单位 | 微软亚洲研究院；电子科技大学

论文 | https://arxiv.org/abs/1804.06208

代码 | https://github.com/microsoft/human-pose-estimation.pytorch

引用 | 302

   NO.17 实时语义分割 Bisenet

Bisenet: Bilateral segmentation network for real-time semantic segmentation

作者 | Changqian Yu, Jingbo Wang, Chao Peng, Changxin Gao, Gang Yu, Nong Sang

单位 | 华中科技大学；北大；旷视

论文 | https://arxiv.org/abs/1808.00897

代码 | https://github.com/CoinCheung/BiSeNet

解读 | https://zhuanlan.zhihu.com/p/41475332

引用 | 266

   NO.18 视觉目标跟踪 DaSiamRPN

Distractor-aware siamese networks for visual object tracking

作者 | Zheng Zhu, Qiang Wang, Bo Li, Wei Wu, Junjie Yan, Weiming Hu

单位 | 国科大；中国科学院自动化研究所；商汤

论文 | https://arxiv.org/abs/1808.06048

解读 | https://zhuanlan.zhihu.com/p/42546692

代码 | https://github.com/foolwood/DaSiamRPN

引用 | 263

   NO.19 动作识别

视频中时间关系推理用于动作识别

Temporal relational reasoning in videos

作者 | Bolei Zhou, Alex Andonian, Aude Oliva, Antonio Torralba

单位 | MIT CSAIL

论文 | https://arxiv.org/abs/1711.08496

解读 | https://zhuanlan.zhihu.com/p/32534351

代码 | https://github.com/metalbubble/TRN-pytorch

主页 | http://relation.csail.mit.edu/

引用 | 260

   NO.20 Pixel2mesh 从单帧RGB图像生成三维网格模型

Pixel2mesh: Generating 3d mesh models from single rgb images

作者 | Nanyang Wang, Yinda Zhang, Zhuwen Li, Yanwei Fu, Wei Liu, Yu-Gang Jiang

单位 | 复旦大学；普林斯顿大学；英特尔；腾讯AI实验室

论文 | https://arxiv.org/abs/1804.01654

解读 | https://zhuanlan.zhihu.com/p/44346869

代码 | https://github.com/nywang16/Pixel2Mesh

引用 | 245

备注如：CV

计算机视觉交流群

交流学习最新CV技术前沿，扫码备注拉入群。

我爱计算机视觉

微信号:aicvml

QQ群:805388940

微博知乎:@我爱计算机视觉

投稿:amos@52cv.net

网站:www.52cv.net

在看，让更多人看到