AMiner 曰：“了解一项会议，就要了解他的过去”。
在这个八月，我们即将迎来计算机视觉领域三大会议中的 ECCV （全称为 European Conference on Computer Vision）的盛大开幕！ECCV 2020 共收到 5025 篇论文，其中 1361 篇论文被接收（占比 27%）。在被接收的论文中，104 篇论文被接收为 Oral （占比 2%），161 篇论文被接收为 Spotlights（5%），其余则为 Poster。
那么，TOP 级的 ECCV 的过去五年是怎样的呢？AMiner 特推出一问一答来帮助大家全面了解！
问: ECCV 2015-2019 收录论文关键词有哪些呢？
答：通过对 AMiner 平台中 ECCV 2015-2019 这五年来收录论文数据的挖掘，从词云可以看出，ECCV 的关键词主要集中在 Object Detection、Deep Learning、Single Image、Semantic Segmentation、Pose Estimation、Action Recognition 等方向。
问: ECCV 2015-2019 收录论文的学者有哪些特征呢？
答：通过对 2015-2019 这五年来接收论文中所有学者信息的提取，可以看出，ECCV 的投稿学者以男性为主，占比 89.23%。从学者分布情况来看，来自美国和中国的投稿学者远高于其他国家，分别占比 28.40%、27.08%，英国和德国学者并列第三，占比 5.54%。
问: ECCV 2015-2019 表现突出的机构有哪些呢？
答：从投稿学者发表所属机构来看，五年来在 ECCV 会议中，中国科技大学以 23 篇论文数量排在首位，斯坦福大学和德国弗赖堡大学以 16 篇论文数量位居第二位，澳大利亚阿德莱德大学以 15 篇论文数量排名第三。而就引用数量而言，弗赖堡大学以 899 的引用量排名第一，中国科学院深圳先进技术研究院以 832 的引用量位列第二，斯坦福大学列于第三，拥有 700 的引用量。
问：ECCV 2015-2019五年间高引论文有哪些呢？
答：TOP10 清单奉上
1.SSD: Single Shot MultiBox Detector
作者：Wei Liu, Dragomir Anguelov, Dumitru Erhan, Christian Szegedy, Scott Reed
被引用量：9321
这篇文章在既保证速度，又要保证精度的情况下，提出了新的物体检测模型SSD（Single Shot Detector）。SSD 通过对不同 scales 的各 feature map 位置，根据不同的 aspect ratios，将 bounding boxes 的输出空间离散化为 default boxes 集合。在预测阶段，网络得到在每个 default box 中各物体类别的存在概率，以及与物体形状最佳匹配的 box。SSD 网络通过结合多个不同分辨率的 feature maps，可以更好的检测不同尺寸的物体。这一模型的使用便于训练与优化，同时提高检测速度。
2.Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition
作者：Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun
被引用量：4435
深度卷积网络需要输入固定尺寸大小的图片，这引入了大量的手工因素，同时，一定程度上，对于任意尺寸的图片或者子图会降低识别的准确率。SPPNet 对于任意大小的图片，可以生成固定长度的特征表述。SPPNet 对于变形的图片仍有一定的鲁棒性。基于上述优点，SPPNet 会提高基于 CNN 的图像分类的效果。
3.Identity Mappings in Deep Residual Networks
作者：Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun
被引用量：3656
在 Deep Residual Learning for Image Recognition 一文中， 何恺明与其同事开发了深度残余网络（ResNets），这一框架现成为了计算机视觉领域的流行架构。在Identity Mappings in Deep Residual Networks 一文中，作者在 ResNet-v1 基础上进行了修改，使得表现得到了提升，该网络称为 ResNet-v2。
4.Perceptual Losses for Real-Time Style Transfer and Super-Resolution
作者：Justin Johnson, Alexandre Alahi, Fei-Fei Li
被引用量：3300
5.XNOR-Net: ImageNet Classification Using Binary Convolutional Neural Networks
作者：Mohammad Rastegari, Vicente Ordonez, Joseph Redmon, Ali Farhadi
被引用量：2195
6.Stacked Hourglass Networks for Human Pose Estimation
作者：Alejandro Newell, Kaiyu Yang, Jia Deng
被引用量：1815
7.Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation
作者：Liang-Chieh Chen, Yukun Zhu, George Papandreou, Florian Schroff, Hartwig Adam
被引用量：1746
8.A Discriminative Feature Learning Approach for Deep Face Recognition
作者：Yandong Wen, Kaipeng Zhang, Zhifeng Li, Yu Qiao
被引用量：1534
9.Temporal Segment Networks: Towards Good Practices for Deep Action Recognition
作者：Limin Wang, Yuanjun Xiong, Zhe Wang, Yu Qiao, Dahua Lin, Xiaoou Tang, Luc Van Gool
被引用量：1450
10.Fully-Convolutional Siamese Networks for Object Tracking
作者：Luca Bertinetto, Jack Valmadre, João F. Henriques, Andrea Vedaldi, Philip H. S. Torr
被引用量：1320
问：ECCV 2015-2019五年间高引学者有哪些呢？
答：TOP10 清单奉上
TOP 1. 何恺明
本科就读于清华大学，博士毕业于香港中文大学多媒体实验室。2011 年加入微软亚洲研究院工作，主要研究计算机视觉和深度学习。2016 年，加入 Facebook AI Research（FAIR）担任研究科学家。2020 年 1 月 11 日，荣登 AI 全球最具影响力学者榜单。
TOP 2. 孙剑
于 1997、2000、2003 年在西安交通大学自动控制专业获得学士、西安交通大学人工智能与机器人研究所获得硕士和博士。前微软亚研院首席研究员，现就职于北京旷视科技有限公司，任旷视首席科学家、旷视研究院院长。主要研究方向是计算机视觉和深度学习。
TOP 3. Scott Reed
于密歇根大学获得博士学位，现在 DeepMind 担任高级研究员。目前的研究主题涉及表示学习和深度学习、可伸缩对象检测、多模式学习等。
