点击上方“CVer”，选择加"星标"置顶
重磅干货，第一时间送达
前言
三大CV顶会引用量最高的10篇论文均已整理完毕，详见：
接下来，Amusi 将继续整理其他顶会，像NeurIPS、ICLR、ICML上也有很多优质的CV论文，而且有更多深度学习、机器学习基础性研究工作。
ICLR，全称为「International Conference on Learning Representations」，2013 年才刚刚成立了第一届。相当"年轻"的会议，但已经被学术研究者们广泛认可，被认为「深度学习的顶级会议」。在谷歌发布的2020年的学术指标（Scholar Metrics）榜单，ICLR 位列总榜第17位！这个排名是依据过去五年发表研究的数据（覆盖2015-2019年发表的文章），并包括截止2020年6月在谷歌学术中被索引的所有文章的引用量。
本文就来盘点ICLR2015-2019年引用量最高的10篇论文。根据此数据，一方面能看出这段深度学习黄金时期的研究热点，另一方面查漏补缺，看看这些必看的Top级论文是不是都掌握了。
注1：2015年之前的论文不在统计范围内
注2：引用量是根据谷歌给出的数据，会有波动，但影响不大
第一名：Adam
Adam: A Method for Stochastic Optimization
作者单位：阿姆斯特丹大学, OpenAI, 多伦多大学
作者团队：Diederik P. Kingma, Jimmy Ba
引用量：47774（截止目前是50344）
论文链接（收录于ICLR 2015）：
https://arxiv.org/abs/1412.6980
Adam是近年来，最广泛被使用的优化器之一。其结合了AdaGrad和RMSProp两种优化算法的优点，利用梯度的一阶矩估计和二阶矩估计动态调整每个参数的学习率。
第二名：Neural Machine Translation by Jointly Learning to Align and Translate
Neural Machine Translation by Jointly Learning to Align and Translate
作者单位：不来梅雅各布大学, 蒙特利尔大学
作者团队：Dzmitry Bahdanau, Kyunghyun Cho, Yoshua Bengio
引用量：13000
论文链接（收录于ICLR 2015）：
https://arxiv.org/abs/1409.0473
据了解，这篇论文是第一次将注意力机制应用到NLP领域，其使用类似attention的机制在机器翻译任务上将翻译和对齐同时进行。

第三名：DCGAN
Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks
作者单位：indico Research, Facebook AI Research
作者团队：Alec Radford, Luke Metz, Soumith Chintala
引用量：6544
论文链接（收录于ICLR 2016）：
https://arxiv.org/abs/1511.06434
本文提出一些技巧，来提升GAN的稳定性。DCGAN 就是GAN的变体，其将卷积引入到网络中。
第四名：Explaining and Harnessing Adversarial Examples
Explaining and Harnessing Adversarial Examples
作者单位：谷歌
作者团队：Ian J. Goodfellow, Jonathon Shlens, Christian Szegedy
引用量：4827
论文链接（收录于ICLR 2015）：
https://arxiv.org/abs/1412.6572
本文定量分析来解释Adversarial Example（对抗样本）在不同网络，不同数据集能够work的原因，并提出一种快速生成AdversarialExample的方法。
第五名：Semi-Supervised Classification with Graph Convolutional Networks
Semi-Supervised Classification with Graph Convolutional Networks
作者单位：阿姆斯特丹大学, CIFAR
作者团队：Thomas N. Kipf, Max Welling
引用量：4036
论文链接（收录于ICLR 2017）：
https://arxiv.org/abs/1609.02907
本篇文章的主要工作是将卷积扩展到图结构的数据中，能够得到比较好的数据表示，并且在半监督任务中也取得了不错的效果。

注：图卷积网络，半监督都是目前大热的方向，或者说应用结合

第六名：DDPG
Continuous control with deep reinforcement learning
作者单位：Deepmind（谷歌）
作者团队：Timothy P. Lillicrap, Jonathan J. Hunt, Alexander Pritzel等
引用量：3683
论文链接（收录于ICLR 2016）：
https://arxiv.org/abs/1509.02971

将Deep Q-Learning应用到连续动作领域continuous control（比如机器人控制）


第七名：Deep Compression
Deep Compression: Compressing Deep Neural Networks with Pruning, Trained Quantization and Huffman Coding
作者单位：斯坦福大学, 清华大学, NVIDIA
作者团队：Song Han（韩松）, Huizi Mao, William J. Dally
引用量：3559
论文链接（收录于ICLR 2016）：
https://arxiv.org/abs/1510.00149

Deep Compression 获得ICLR 2016 最佳论文（Best Paper），实现了剪枝、量化和霍夫曼编码三大模型压缩任务。

第八名：Multi-Scale Context Aggregation by Dilated Convolutions
Multi-Scale Context Aggregation by Dilated Convolutions
作者单位：普林斯顿大学, Intel Labs
作者团队：Fisher Yu, Vladlen Koltun
引用量：3314
论文链接（收录于ICLR 2016）：
https://arxiv.org/abs/1511.07122
本文提出使用 dilated convolutions（空洞卷积或者扩张卷积） 得到multi-scale context 信息来提升语义分割性能。
如今在语义分割领域，dilated convolutions已经成为必备的涨点神器！
第九名：DeepLabv1
Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs
作者单位：UCLA, 谷歌等
作者团队：Liang-Chieh Chen, George Papandreou, Iasonas Kokkinos等
引用量：2496
论文链接（收录于ICLR 2015）：
https://arxiv.org/abs/1412.7062
DeepLab 系列开山之作！DeepLabv1-v3+ 成为语义分割最知名也是最具影响力的论文系列工作。
第十名：ELUs
Fast and Accurate Deep Network Learning by Exponential Linear Units (ELUs)
作者单位：约翰尼斯·开普勒林茨大学
作者团队：Djork-Arné Clevert, Thomas Unterthiner, Sepp Hochreiter
引用量：2436
论文链接（收录于ICLR 2016）：
https://arxiv.org/abs/1511.07289
ELUs（exponential linear unit，指数线性单元），它试图将激活函数的平均值接近零，从而加快学习的速度。同时，它还能通过正值的标识来避免梯度消失的问题
侃侃
1. Adam 引用量超过其他9篇引用量之和
2. 谷歌有三篇论文入围；
3. 阿姆斯特丹大学有两篇论文以第一作者单位入围；
下载1
上述10篇论文已打包好，在CVer公众号后回复：ICLR引用量，即可下载全部论文
下载2
在CVer公众号后台回复：OpenCV书籍，即可下载《Learning OpenCV 3》书籍和源代码。注：这本书是由OpenCV发起者所写，是官方认可的书籍。其中涵盖大量图像处理的基础知识介绍，虽然API还是基于OpenCV 3.x，但结合此书和最新API，可以很好的学习OpenCV。
下载3
在CVer公众号后台回复：CVPR2020，即可下载CVPR2020 2020代码开源的论文合集
在CVer公众号后台回复：ECCV2020，即可下载ECCV 2020代码开源的论文合集
重磅！CVer-论文写作与投稿交流群成立
扫码添加CVer助手，可申请加入CVer-论文写作与投稿 微信交流群，目前已满2000+人，旨在交流顶会（CVPR/ICCV/ECCV/ICML/ICLR/AAAI等）、顶刊（IJCV/TPAMI等）、SCI、EI等写作与投稿事宜。
同时也可申请加入CVer大群和细分方向技术群，细分方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch和TensorFlow等群。
一定要备注：研究方向+地点+学校/公司+昵称（如论文写作+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群
▲长按加微信群
▲长按关注CVer公众号
整理不易，请给CVer点赞和在看！
继续阅读
阅读原文