<zz>学者推荐：十年来计算及视觉领域经典的论文介绍

最近看微博， CV领域国内知名的学者总结了21世纪初以来 最有影响力的经典论文， 每一篇都是引用几百甚至上千次， 自己这里mark一下， 有一半的论文自己没有看过， 虽然与自己研究的方向有一定的偏颇，但作为经典，有时间还是会去领略的。

这里给出链接地址：

http://www.cnblogs.com/youth0826/archive/2012/12/04/2801481.html

然后邓老师做了补充评论，我觉得很精辟，这里摘抄下来：

看了一下这20篇博文，总体上感觉很熟悉，很多文章确实是视觉领域2000年以来的重要工作，于是就很想聊一下自己的看法，和大家交流。

我简单按照所属领域划分统计了一下，其中：
与人脸检测识别直接相关的有3篇，间接相关的1篇，直接相关的包括：7（基于adaboost的人脸检测），19（人脸检测的综述），12（经典的人脸识别测试集FERET的说明），间接相关的是AAM，AAM是人脸alignment的最经典文章，但是由于其提出时并没有现定于人脸，所以划分为间接相关；
与局部描述子直接相关的有3篇，分别是1（sift），15（local descriptor的综述），17（LBP）；
与立体视觉相关的有3篇：9（摄像机标注方法），10（图像配准综述），14（这篇文章我不熟悉，所以这样划分是否合理也不是很确信）；
与图像分割直接相关的有2篇，间接相关的有1篇，直接相关的包括：2（normlized cut），13（graph-cut的应用），间接相关的是4（mean-shift），mean-shfit可以应用于图像分割，也可以应用于目标跟踪，算是间接相关；
与物体检测跟踪（为了简单，把检测和跟踪划分到一起，其实这两类方法在思路上差别很大，单独划分更合理，但是从功能角度确实很相似）直接相关的2篇，间接相关的有1篇：3（基于轮廓的物体检测方法），16（基于kernel的tracking方法）一篇是检测，一篇是跟踪，而基于mean-shift的跟踪方法是particle filter之前最经典的方法，算是间接相关；
与图像检索匹配相关的文章2篇：6（综述），11（shape context）；
此外还包括一篇统计模式识别的综述（8）；
一篇图像质量评估的方法（5）；
行为识别：18（一篇关于行为识别的系统的文章，用到了跟踪、摄像机标定、行为识别等）；
（其中mean-shift被计算了两次，所以和是21篇）

按照每个领域的文章数量由多到少的顺序我讲一下自己的观点：
人脸识别领域的论文出现次数最多（这可能和我自己重点关注人脸识别领域有关），是让我比较意外的，不过这说明从2000年开始，人脸识别方法得到了大家的重点关注，是视觉领域的一个热点。这几篇文章中，viola的基于adaboost+haar的人脸检测方法是经典中的经典，其思想不仅被广泛应用于物体检测领域，同时，在启发了狠多特征选择领域的工作，同时，也帮助adaboost一跃成为和svm并列的两大machine learning利器，我一直认为这篇文章和和lowe的sift都是视觉领域工程方面的经典之作；而AAM方法，也是十分重要的模型，尤其是对于脸部特征点定位而言，基于aam的改进工作极大促进了特征点定位的精度，其实这种全局形状约束+局部表观模型的思路在其他如物体检测领域也有很多类似思路；

局部描述子，基本上是视觉领域表示方面十年来最大的一个亮点和趋势。我们知道模式识别包含两个方面的内容，一个是特征提取，用于提供更有鉴别力的表示，一个是机器学习，用来对于特征表示之后的数据上学习得到分类模型。而局部描述子已经成为特征表示的一个共识，无论是物体匹配检索、物体检测识别，采用多种局部描述子表示已经成为基本选择。而这其中，sift无疑是影响最大的工作之一，其在物体匹配、物体检索、物体检测、物体识别等领域都有大量应用。而LBP特征，作为一种局部描述特征，是继Gabor之后最重要的纹理描述特征（当然，sift的变种hog也是之一），其有很多变种，在人脸识别、物体检测、目标分类领域也得到了大量应用；

立体视觉我不熟悉，我就不献丑了。对于9和14两篇文章有这么高的引用率，不知道谁能讲讲背后的背景？

图像分割可以通过将分割问题看作是一个分组问题，然后定义一个优化目标，通过最优化这个目标来得到最优的模型参数。而graph-cut，是将每个pixel看作图中的一个节点，将图像分割转化为一个图分割问题。而graph-cut是通过最小分割和最小流来得到一个最优模型，2（normlized-cut）是为了克服graph-cut的缺点的一种改进，第2高的引用率应该说明这种方法可以应用于很多领域，包括图像分割和聚类。

物体检测跟踪领域是一个十分活跃的领域，而3和16有这么高的引用率很出乎我的意料，因为这两种思路在最近基本都不算是主流思路，也许是当年曾经火过一段时间吧；物体检测识别的经典思路应该有两种，一种是基于滑动窗口搜索的，就是viola人脸检测文章中使用过的，后来，有基于hog+svm的行人检测的经典论文也是相近的框架，还有一种是基于图像全局表示的，经典的方法是基于bag of word的方法，在图像检测、图像分类、图像检索等领域都有重要应用；而跟踪的方法，比较经典的包括基于mean shift的方法，基于particle filter的方法，以及基于online-learning的方法，而后来的发展，也越来越将detection和tracking结合到一起，将二者结合到一个框架，其本质思想就是把tracking看作是一个区分前景目标和背景目标的分类问题，而detection提供了前景目标的off-line模型，tracking提供了on-line模型。这个领域论文很多，有一篇综述写得还不错。

图像检索是当前视觉领域一个十分热的方向，在搜索引擎、购物等领域受到很多关注；而6和11远远不能涵盖这个领域的经典。11是早期物体匹配的经典方法，但是，现在用的已经很少。而这方面的最经典工作还应该是基于bag of word的工作。这个工作借鉴了文字搜索领域的工作，通过视觉词将图像转化为类似文字中的文章，视觉特征用视觉词频表示，然后通过倒排的方式，使得大规模图像检索成为可能。

其它的三篇文章，8作为综述，确实没有什么疑问。5有这么高的引用，我有点迷惑。图像质量评估虽然在实际中十分重要，但是是个不太活跃的领域，有这么高的应用有点意外。18的工作比较早，当时能提出基于跟踪、摄像机标定、行为识别和事件检测这样的框架，确实有很棒的前瞻性，可能是因为近几年智能视频监控应用火热之后，做这个方向的工作多起来的原因吧。

一点建议：
1，建议将综述排除出去，20篇论文里面有5篇综述，虽然综述很重要，5篇也不是很多，但是在引用次数上综述确实会占很大便宜，建议将综述排除出去，只对提出新方法的文章单独排名，才能让大家对哪些新方法的影响力最广更了解；
2，我不知道这个排名方法是否存在瑕疵，或者是数据是否完全正确，因为我觉得从目前的结论来看，这20篇文章还不能算是最有影响力的20篇；

以上观点如果有错误，请大家拍砖提醒。

另外，他也给出了候选的15篇文章，

外补充15篇提名的，ISI cited数量在580-900之间，排名在上述榜单之后的，以供参考。
[1] K. Mikolajczyk, and C. Schmid, “Scale & affine invariant interest point detectors,” International Journal of Computer Vision, vol. 60, no. 1, pp. 63-86, Oct, 2004. (Cited=879)
[2] I. Haritaoglu, D. Harwood, and L. S. Davis, “W-4: Real-time surveillance of people and their activities,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 22, no. 8, pp. 809-830, Aug, 2000. (Cited=877)
[3] A. S. Georghiades, P. N. Belhumeur, and D. J. Kriegman, “From few to many: Illumination cone models for face recognition under variable lighting and pose,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 23, no. 6, pp. 643-660, Jun, 2001. (Cited=845)
[4] Y. Boykov, and V. Kolmogorov, “An experimental comparison of min-cut/max-flow algorithms for energy minimization in vision,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 26, no. 9, pp. 1124-1137, Sep, 2004. (Cited=805)
[5] X. F. He, S. C. Yan, Y. X. Hu, P. Niyogi, and H. J. Zhang, “Face recognition using Laplacianfaces,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 27, no. 3, pp. 328-340, Mar, 2005. (Cited=724)
[6] M. N. Do, and M. Vetterli, “The contourlet transform: An efficient directional multiresolution image representation,” Ieee Transactions on Image Processing, vol. 14, no. 12, pp. 2091-2106, Dec, 2005. (Cited=690)
[7] L. A. Vese, and T. F. Chan, “A multiphase level set framework for image segmentation using the Mumford and Shah model,” International Journal of Computer Vision, vol. 50, no. 3, pp. 271-293, Dec, 2002. (Cited=669)
[8] A. M. Martinez, and A. C. Kak, “PCA versus LDA,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 23, no. 2, pp. 228-233, Feb, 2001. (Cited=658)
[9] J. Yang, D. Zhang, A. F. Frangi, and J. Y. Yang, “Two-dimensional PCA: A new approach to appearance-based face representation and recognition,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 26, no. 1, pp. 131-137, Jan, 2004. (Cited=625)
[10] V. Kolmogorov, and R. Zabih, “What energy functions can be minimized via graph cuts?,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 26, no. 2, pp. 147-159, Feb, 2004. (Cited=625)
[11] S. G. Chang, B. Yu, and M. Vetterli, “Adaptive wavelet thresholding for image denoising and compression,” Ieee Transactions on Image Processing, vol. 9, no. 9, pp. 1532-1546, Sep, 2000. (Cited=609)
[12] K. Mikolajczyk, T. Tuytelaars, C. Schmid, A. Zisserman, J. Matas, F. Schaffalitzky, T. Kadir, and L. van Gool, “A comparison of affine region detectors,” International Journal of Computer Vision, vol. 65, no. 1-2, pp. 43-72, Nov, 2005. (Cited=607)
[13] J. Z. Wang, J. Li, and G. Wiederhold, “SIMPLIcity: Semantics-sensitive integrated matching for picture libraries,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 23, no. 9, pp. 947-963, Sep, 2001. (Cited=599)
[14] H. C. Peng, F. H. Long, and C. Ding, “Feature selection based on mutual information: Criteria of max-dependency, max-relevance, and min-redundancy,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 27, no. 8, pp. 1226-1238, Aug, 2005. (Cited=597)
[15] H. Bay, A. Ess, T. Tuytelaars, and L. Van Gool, “Speeded-Up Robust Features (SURF),” Computer Vision and Image Understanding, vol. 110, no. 3, pp. 346-359, Jun, 2008. (Cited=584)