computer vision(cv) 存在ICCV/CVPR/ECCV三个顶级会议, 它们档次差不多,都应该在一流会议行列, 没有必要给个高下. 有些us的人认为ICCV/CVPR略好于ECCV,而欧洲人大都认为ICCV/ECCV略好于CVPR, 某些英国的人甚至认为BMVC好于CVPR.简言之, 三个会议差不多, 各有侧重和偏好.三者乃cv领域的旗舰和风向标,其oral paper (包括best paper) 代表当年度cv的最高水准, 在此引用Harry Shum的一句话, 想知道某个领域在做些什么, 找最近几年此领域的proceeding看看就知道了. ICCV/CVPR由IEEE Computer Society牵头组织, ECCV好像没有专门负责的组织. CVPR每年(除2002年)都在美国开, ECCV每两年开一次,仅限欧洲, ICCV也是每两年一次, 各洲轮值. 基本可以保证每年有两个会议开, 这样研究者就有两次跻身牛会的机会.
就录取率而言, 三会都有波动. 如ICCV2001录取率>30%, 且出现两个人(华人)各有三篇第一作者的paper的情况, 这在顶级牛会是不常见的 (灌水嫌疑). 但是, ICCV2003, 2005两次录取率都很低, 大约20%左右. ECCV也是类似规律, 在2004年以前都是>30%, 2006年降低到20%左右. CVPR的录取率近年来一直偏高, 从2004年开始一直都在[25%,30%].最近一次CVPR2006是28.1%, CVPR2007还不知道统计数据. 笔者猜测为了维持录取paper的绝对数量, 当submission少的时候录取率偏高, 反之偏低, 近几年三大会议的投稿数量全部超过1000, 相对2000年前, 三会录取率均大幅度降低, 最大幅度50%->20%. 对录取率走势感兴趣的朋友, 可参考 http://vrlab.epfl.ch/~ulicny/statistics/ (CVPR2004的数据是错的),
http://www.adaptivebox.net/research/bookmark/CICON_stat.html .
显然, 投入cv的人越来越多,这个领域也是越来越大, 这点颇不似machine learning一直奉行愚蠢的小圈子主义. 另外一点值得注意, ICCV/ECCV只收vision相关的topic, 而cvpr会收少量的pattern recognition paper, 如fingerprint等, 但是不收和image/video完全不占边的pr paper,如speech recognition等. 我一个朋友曾经review过一篇投往CVPR的speech的paper, 三个reviewer一致拒绝, 其中一个reviewer搞笑的指出, 你这篇paper应该是投ICASSP被据而转投CVPR的. 就topic而言, CVPR涵盖最广. 还有一个没有验证过的原因导致CVPR录取率高: 很多us的researcher不愿意或没有足够的经费到us以外的地方开会, 故CVPR会优先接收很多来自us的paper (让大家都happy).
以上对三会的分析对我们投paper是很有指导作用的. 目前的research我想绝大部分还是纸上谈兵, 必经 read paper -> write paper -> publish paper -> publish paper on top conferences and journals流程. 故了解投paper的一些基本技巧, 掌握领域的走向和热点, 是非常必要的. 避免做无用功,选择切合的topic, 改善presentation, 注意格式 (遵守规定的模板), 我想这是很多新手需要注意的问题. 如ICCV2007明文规定不写summary page直接reject, 但是仍然有人忽视, 这是相当不值得的.paper毕竟是死的, 写paper的人才是活的. 那么我现在研究一下cv圈的格局, 按师承关系,
借鉴前人, 我总结a tree stucture of cv guys.
David Marr
—–>Shimon Ullman (Weizmann)
—–>Eric Grimson (MIT)
—–>Daniel Huttenlocher (Cornell)
—–>Pedro Felzenszwalb (Chicago)
Thomas Binford (Stanford)
—–>David Lowe (UBC)
—–>Jitendra Malik (UC Berkeley)
—–>Pietro Perona (Caltech)
—–>Stefano Soatto (UCLA)
—–>Fei-Fei Li (Princeton)
—–>Jianbo Shi (UPenn)
—–>Yizhou Yu (UIUC)
—–>Christoph Bregler (NYU)
—–>Serge Belongie (UCSD)
—–>Alyosha Efros (CMU)
Andrew Blake (Microsoft Research Cambridge)
—–>Andrew Zisserman (Oxford)
—–>Andrew Fitzgibbon (Microsoft Research Cambridge)
—–>Roberto Cipolla (Cambridge)
—–>Alan Yuille (UCLA)
(UK这个学派的师承关系不太清楚, 这是我听说加上自己猜测的. 事实上, 几个非常优秀的researcher如Vladimir Kolmogorov虽然不是Andrew Blake的学生, 但是也属于这个学派. )
Thomas Huang (UIUC)
—–>Yong Rui (Microsoft Research Redmond)
—–>Nebojsa Jojic (Microsoft Research Redmond)
—–>Ying Wu (Northwestern University)
—–>Hai Tao (UCSC)
—–>Yuncai Liu (SJTU)
(Huang这个系的人太多, 而且很怪的是, UIUC的web上信息不全, 在此仅列出我知道的.)此外, 还有Takeo Kanade等非常有名的大牛, 囿于篇幅, 不一一列举. 从上得知, 加州派基本占了cv的半壁江山. 最近几年, 特别活跃的cv guys是USA
Jitendra Malik, UC Berkeley
Pietro Perona, Caltech
Serge Belongie, UCSD
Jianbo Shi, UPenn
Stefano Soatto, UCLA
Fei-Fei Li, Princeton
William Freeman, MIT
Trevor Darrell, MIT
Simon Baker, CMU
Yanxi Liu, CMU
Songchun Zhu, UCLA
Alan Yuille, UCLA
Yi Ma, UIUC
Michael Black, Brown
Carlo Tomasi, Duke
Ramin Zabih, Cornell
Shree Nayar, Columbia
Rama Chellappa, Maryland
Steve Seitz, University of Washington
Europe
Andrew Zisserman, Oxford, UK
Andrew Fitzgibbon, Microsoft Research Cambridge, UK
Roberto Cipolla, Cambridge, UK
Jean Ponce, INRIA, France
Cordelia Schmid, INRIA, France
Bill Triggs, LEAR, France
Yair Weiss, Hebrew University, Israel
Anat Levin, Hebrew University, Israel
Michal Irani, Weizmann, Israel
Luc van Gool, University of Leuven/ETH Zurich, Czechic
China
Harry Shum, MSRA
Xiaoou Tang, MSRA/CUHK
Jian Sun, MSRA
Steve Lin, MSRA
Yasuyuki Matsushita, MSRA
Zhouchen Lin, MSRA
Long Quan, HKUST
Chi-Keung Tang, HKUST
就写到这, 希望这些信息对大家有用.
补充一下那个tree，一个法国大牛
Olivier Faugeras
—-Ponce UIUC
—lazebnik
—-Zhengyou Zhang MSR
—-Martial Hebert CMU
Mit AI lab
poggio
—Oliva
—serre
Freeman 80年代还来太原理工扶贫了
—Y. Weiss
—– Levin
—Antonio Torralba （research scientist）
Trevor Darrell
—Grauman
补充一下
Zisserman还有一个不错的学生
lifeifei的合作者Rob Fergus
按研究方向分分，应该更合理一些。
现在计算机视觉，计算机图形图像，机器学习开始融合到一起了吧。
J. Malik，Zhu Songchu偏segmentation;
D. Lowe, S. Ullman, Poggio 偏于从生物视觉的启发来研究视觉；
Zisserman, Schmid, Lowe研究局部特征；
Luc Van Goo， Long Quanl三维重建；
Perona, Li Feife， Freeman视觉i学习， 物体分类；
还有运动分析，视觉跟踪，纹理分析………….
MIT的Brain & Cognitive Science Dept和CSAIL里面聚集了一帮人，有的作low level有的作mid level to high level的。他们的工作是值得关注的。当然说视觉还是要从伟大的David Marr开始。Tomaso Poggio, Richard Whitman是Marr的同事，传承了其理念，一直往下走。Poggio最近几年比较重点的工作放在他那个hierarchical model上。T. Poggio的第一个PhD学生是Christof Koch （kLab at Caltech）。哦，顺便说一下Koch的另外一个导师是Valentino Breitenberg——同样是影响了一个时代的大人物。Koch研究重点兴趣在consciousness上，在Nature上的很多文章体现了他的研究思想。不过他们也做不少初级的视觉问题，诸如attention。
Koch比较知名的弟子比如Laurent Itti和Li Feifei。
Richard Whitman 年纪比较大了，个人不是很关注他现在做的东西。不过他所在的Perceptual Science Group，是一个非常有影响力的地方，这个组其他大家比较熟悉的老师有Aude Oliva和EH Adelson。Adelson最著名的一个事儿是色彩恒常相关的视错觉，93年发在Science上的那篇。关于Oliva，前面的帖子错了，她不是Poggio的学生，这家伙和Torralba是老乡，同在法国念书，主要从心理学那条路子开始做，成名之役是hybrid image，和Antonio Torrralba一起搞的。这个Hybrid Image 其实80年代就有了，但是最开始从心理学方向上探讨，没有非常有影响力的文章。后来开始靠谱作自然图像统计，得到Gist theory，当然这个illusion本身后来转投SIGGRAPH，其影响是深远的。嗯，这个和CV关系不大。Perceptual Science Group出了不少牛人，他们的alumni list可谓超豪华阵容：Yair Weiss, Josh Tenenbaum, Pawan Sinha, Bill Freeman……
这一派的工作跟我比较相关，大概八卦的关系也能总结出一些。
希望对大家有所帮助
Van 那个组也做局部特征和物体识别分类。现在Olivier Faugeras也从三维重建转到计算认知学了。ctozlm, 现在不研究局部特征的很少啊，因为局部特征方法克服了以前方法的很多缺陷。
局部特征方法本就是从三维重建发展出来的。所以他们研究局部特征也就不奇怪了。INRIA 的 Faugeras 是 IJCV 的 主编，在欧洲 Computer Vision 届是老大，他的弟子Ayach 现在 Medical Image Analysis领域有超过其师之势。
关于computer vision的会议及vision guys – 研究探讨 – 模式识别爱好者论坛模式识别,机器学习,人工智能,人脸识别,人脸检测 – Powered by Discuz!。发表于 2007-5-24 00:45
ter=type&typeid=2″>http://prfans.com/forum/viewthread.php?tid=65&extra=page=1&filter=type&typeid=2
计算机视觉牛人（转载）
http://blog.shamoxia.com/html/y2009/110.html
http://www.cnblogs.com/frankman/archive/2008/10/06/1304979.html
以下是我经常浏览的网络资源，关注大牛的网页，比上学校数据库资源更精、更有启发性。排名不分先后，呵呵~~~
（1）微软公司的文献：http://research.microsoft.com/research/pubs
（2）微软亚洲研究院：http://research.microsoft.com/asia/，值得关注Harry Shum, Jian Sun, Steven Lin, Long Quan(兼职HKUST)etc.
（3）瑞典隆德大学数学系视觉组：http://www.maths.lth.se/matematiklth/personal/andersp/
感觉国外搞视觉的好多是数学系出身，大约做计算机视觉对数学要求很高吧。
（4）澳大利亚国立大学：http://users.rsise.anu.edu.au/~hartley/
（5）美国北卡大学：http://www.cs.unc.edu/~marc/
（6）加州大学伯克利分校David A. Forsyth：http://www.cs.berkeley.edu/~daf/
（7）CMU的视觉组：http://www.cs.cmu.edu/~cil/vision.html
著名的有Tomasi, Kanade等，CMU不愧是美国计算机牛校，仅视觉就好猛。
（8）法国INRIA：http://www-sop.inria.fr/odyssee/team/
由Olivier.Faugeras领衔的牛人众多。
（9）英国牛津的A.Zisserman：http://www.robots.ox.ac.uk/~az/
(10)比利时鲁汶大学的L.Van Gool： www.esat.kuleuven.ac.be/psi/visics/
据说在这个只有中国一个小镇大小的地方的鲁汶大学在欧洲排行top10，名列世界top100，还出了几个诺贝尔奖，视觉研究也很牛，真是让Chinese汗颜啊！
http://www.sciencenet.cn/m/user_content.aspx?id=19093
转自：http://www.shamoxia.com/html/y2009/286.html
计算机视觉领域的值得学习的博客作者：心诚则灵
IJCAI (1+): AI最好的综合性会议, 1969年开始, 每两年开一次, 奇数年开. 因为AI 实在太大, 所以虽然每届基本上能录100多篇（现在已经到200多篇了），但分到每个领域就没几篇了，象machine learning、computer vision这么大的领域每次大概也就10篇左右, 所以难度很大. 不过从录用率上来看倒不太低,基本上20%左右, 因为内 行人都会掂掂分量, 没希望的就别浪费reviewer的时间了. 最近中国大陆投往国际会议的文章象潮水一样, 而且因为国内很少有能自己把关的研究组, 所以很多会议都在complain说中国的低质量文章严重妨碍了PC的工作效率. 在这种情况下, 估计这几年国际会议的录用率都会降下去. 另外, 以前的IJCAI是没有poster的, 03年开始, 为了减少被误杀的好人, 增加了2页纸的poster.值得一提的是, IJCAI是由貌似一个公司"IJCAI Inc."主办的(当然实际上并不是公司, 实际上是个基金会), 每次会议上要 发几个奖, 其中最重要的两个是IJCAI Research Excellence Award 和 Computer& Thoughts Award, 前者是终身成就奖, 每次一个人, 基本上是AI的最高奖(有趣的是, 以AI为主业拿图灵奖的6位中, 有2位还没得到这个奖), 后者是奖给35岁以下的青年科学家, 每次一个人. 这两个奖的获奖演说是每次IJCAI的一个重头戏.另外，IJCAI 的 PC member 相当于其他会议的area chair, 权力很大, 因为是由PC member 去找 reviewer 来审, 而不象一般会议的PC member其实就是 reviewer. 为了制约这种权力, IJCAI的审稿程序是每篇文章分配2位PC member, primary PC member去找3位reviewer, second PC member 找一位.
AAAI (1): 美国人工智能学会AAAI的年会. 是一个很好的会议, 但其档次不稳定, 可以给到1+, 也可以给到1-或者2+, 总的来说我给它"1". 这是因为它的开法完全受IJCAI制约: 每年开, 但如果这一年的IJCAI在北美举行, 那么就停开. 所以, 偶数年里因为没有IJCAI, 它就是最好的AI综合性会议, 但因为号召力毕竟比IJCAI要小一些,特别是欧洲人捧AAAI场的比IJCAI少得多(其实亚洲人也是), 所以比IJCAI还是要稍弱一点, 基本上在1和1+之间; 在奇数年, 如果IJCAI不在北美, AAAI自然就变成了比IJCAI低一级的会议(1-或2+), 例如2005年既有IJCAI又有AAAI, 两个会议就进行了协调, 使得IJCAI的录用通知时间比AAAI的deadline早那么几天, 这样IJCAI落选的文章可以投往AAAI.在审稿时IJCAI 的 PC chair也在一直催, 说大家一定要快, 因为AAAI那边一直在担心IJCAI的录用通知出晚了AAAI就麻烦了.
COLT (1): 这是计算学习理论最好的会议, ACM主办, 每年举行. 计算学习理论基本上可以看成理论计算机科学和机器学习的交叉, 所以这个会被一些人看成是理论计算机科学的会而不是AI的会. 我一个朋友用一句话对它进行了精彩的刻画: "一小群数学家在开会". 因为COLT的领域比较小, 所以每年会议基本上都是那些人. 这里顺便提一件有趣的事, 因为最近国内搞的会议太多太滥, 而且很多会议都是LNCS/LNAI出论文集, LNCS/LNAI基本上已经被搞臭了, 但很不幸的是, LNCS/LNAI中有一些很好的会议, 例如COLT.
CVPR (1): 计算机视觉和模式识别方面最好的会议之一, IEEE主办, 每年举行. 虽然题目上有计算机视觉, 但个人认为它的模式识别味道更重一些. 事实上它应该是模式识别最好的会议, 而在计算机视觉方面, 还有ICCV与之相当. IEEE一直有个倾向, 要把会办成"盛会", 历史上已经有些会被它从quality很好的会办成"盛会"了. CVPR搞不好也要走这条路. 这几年录的文章已经不少了. 最近负责CVPR会议的TC的chair发信说, 对这个community来说, 让好人被误杀比被坏人漏网更糟糕, 所以我们是不是要减少好人被误杀的机会啊? 所以我估计明年或者后年的CVPR就要扩招了.
ICCV (1): 介绍CVPR的时候说过了, 计算机视觉方面最好的会之一. IEEE主办. ICCV逢奇数年开，开会地点以往是北美，欧洲和亚洲轮流，本来2003年定在北京，后来因Sars和原定05年的法国换了一下。ICCV'07年将首次在南美(巴西)举行.CVPR原则上每年在北美开, 如果那年正好ICCV在北美,则该年没有CVPR.
ICML (1): 机器学习方面最好的会议之一. 现在是IMLS主办, 每年举行. 参见关于NIPS的介绍.
NIPS (1): 神经计算方面最好的会议之一, NIPS主办, 每年举行. 值得注意的是, 这个会每年的举办地都是一样的, 以前是美国丹佛, 现在是加拿大温哥华; 而且它是年底开会, 会开完后第2年才出论文集, 也就是说, NIPS'05的论文集是06年出. 会议的名字是"Advances in Neural Inxxxxation Processing Systems", 所以, 与ICMLECML这样的"标准的"机器学习会议不同, NIPS里有相当一部分神经科学的内容, 和机器学习有一定的距离. 但由于会议的主体内容是机器学习, 或者说与机器学习关系紧密, 所以不少人把NIPS看成是机器学习方面最好的会议之一. 这个会议基本上控制在MichaelJordan的徒子徒孙手中, 所以对Jordan系的人来说, 发NIPS并不是难事, 一些未必很强的工作也能发上去, 但对这个圈子之外的人来说, 想发一篇实在很难, 因为留给"外人"的口子很小. 所以对Jordan系以外的人来说, 发NIPS的难度比ICML更大. 换句话说,ICML比较开放, 小圈子的影响不象NIPS那么大, 所以北美和欧洲人都认, 而NIPS则有些人(特别是一些欧洲人, 包括一些大家)坚决不投稿. 这对会议本身当然并不是好事,但因为Jordan系很强大, 所以它似乎也不太care. 最近IMLS(国际机器学习学会)改选理事, 有资格提名的人包括近三年在ICMLECMLCOLT发过文章的人, NIPS则被排除在外了. 无论如何, 这是一个非常好的会.
ACL (1-): 计算语言学/自然语言处理方面最好的会议, ACL (Association of Computational Linguistics) 主办, 每年开.
KR (1-): 知识表示和推理方面最好的会议之一, 实际上也是传统AI(即基于逻辑的AI)最好的会议之一. KR Inc.主办, 现在是偶数年开.
SIGIR (1-): 信息检索方面最好的会议, ACM主办, 每年开. 这个会现在小圈子气越来越重. 信息检索应该不算AI, 不过因为这里面用到机器学习越来越多, 最近几年甚至有点机器学习应用会议的味道了, 所以把它也列进来.
SIGKDD (1-): 数据挖掘方面最好的会议, ACM主办, 每年开. 这个会议历史比较短,毕竟, 与其他领域相比,数据挖掘还只是个小弟弟甚至小侄儿. 在几年前还很难把它列在tier-1里面, 一方面是名声远不及其他的top conference响亮, 另一方面是相对容易被录用. 但现在它被列在tier-1应该是毫无疑问的事情了. 这几年来KDD的质量都很高. SIGKDD从2000年来full paper的录取率都在10%-12%之间，远远低于IJCAI和ICML.
经常听人说，KDD要比IJICAI和ICML都要困难。IJICAI才6页，而KDD要10页。没有扎实系统的工作，很难不留下漏洞。有不少IJICAI的常客也每年都投KDD，可难得几个能经常中。
UAI (1-): 名字叫"人工智能中的不确定性", 涉及表示推理学习等很多方面, AUAI(Association of UAI) 主办, 每年开.
我知道的几个人工智能会议(二三流)
(原创为lilybbs.us上的daniel)
纯属个人看法, 仅供参考. tier-1的列得较全, tier-2的不太全, tier-3的很不全.
同分的按字母序排列. 不很严谨地说, tier-1是可以令人羡慕的, tier-2是可以令人尊敬的,由于AI的相关会议非常多, 所以能列进tier-3的也是不错的.
tier 2: tier-2的会议列得不全, 我熟悉的领域比较全一些.
AAMAS (2+): agent方面最好的会议. 但是现在agent已经是一个一般性的概念,
几乎所有AI有关的会议上都有这方面的内容, 所以AAMAS下降的趋势非常明显.
ECCV (2+): 计算机视觉方面仅次于ICCV的会议, 因为这个领域发展很快, 有可能升级到1-去.
ECML (2+): 机器学习方面仅次于ICML的会议, 欧洲人极力捧场, 一些人认为它已经是1-了. 我保守一点, 仍然把它放在2+. 因为机器学习发展很快, 这个会议的reputation上升非常明显.
ICDM (2+): 数据挖掘方面仅次于SIGKDD的会议, 目前和SDM相当. 这个会只有5年历史, 上升速度之快非常惊人. 几年前ICDM还比不上PAKDD, 现在已经拉开很大距离了.
SDM (2+): 数据挖掘方面仅次于SIGKDD的会议, 目前和ICDM相当. SIAM的底子很厚,但在CS里面的影响比ACM和IEEE还是要小, SDM眼看着要被ICDM超过了, 但至少目前还是相当的.
ICAPS (2): 人工智能规划方面最好的会议, 是由以前的国际和欧洲规划会议合并来的. 因为这个领域逐渐变冷清, 影响比以前已经小了.
ICCBR (2): Case-Based Reasoning方面最好的会议. 因为领域不太大, 而且一直半冷不热, 所以总是停留在2上.
COLLING (2): 计算语言学/自然语言处理方面仅次于ACL的会, 但与ACL的差距比ICCV-ECCV和ICML-ECML大得多.
ECAI (2): 欧洲的人工智能综合型会议, 历史很久, 但因为有IJCAI/AAAI压着,
很难往上升.
ALT (2-): 有点象COLT的tier-2版, 但因为搞计算学习理论的人没多少, 做得好的数来数去就那么些group, 基本上到COLT去了, 所以ALT里面有不少并非计算学习理论的内容.
EMNLP (2-): 计算语言学/自然语言处理方面一个不错的会. 有些人认为与COLLING相当, 但我觉得它还是要弱一点.
ILP (2-): 归纳逻辑程序设计方面最好的会议. 但因为很多其他会议里都有ILP方面的内容, 所以它只能保住2-的位置了.
PKDD (2-): 欧洲的数据挖掘会议, 目前在数据挖掘会议里面排第4. 欧洲人很想把它抬起来, 所以这些年一直和ECML一起捆绑着开, 希望能借ECML把它带起来.但因为ICDM和SDM, 这已经不太可能了. 所以今年的PKDD和ECML虽然还是一起开, 但已经独立审稿了(以前是可以同时投两个会, 作者可以声明优先被哪个会考虑, 如果ECML中不了还可以被PKDD接受).
tier 3: 列得很不全. 另外, 因为AI的相关会议非常多, 所以能列在tier-3也算不错了, 基本上能进到所有AI会议中的前30%吧
ACCV (3+): 亚洲的计算机视觉会议, 在亚太级别的会议里算很好的了.
DS (3+): 日本人发起的一个接近数据挖掘的会议.
ECIR (3+): 欧洲的信息检索会议, 前几年还只是英国的信息检索会议.
ICTAI (3+): IEEE最主要的人工智能会议, 偏应用, 是被IEEE办烂的一个典型. 以前的quality还是不错的, 但是办得越久声誉反倒越差了, 糟糕的是似乎还在继续下滑, 现在其实3+已经不太呆得住了.
PAKDD (3+): 亚太数据挖掘会议, 目前在数据挖掘会议里排第5.
ICANN (3+): 欧洲的神经网络会议, 从quality来说是神经网络会议中最好的, 但这个领域的人不重视会议,在该领域它的重要性不如IJCNN.
AJCAI (3): 澳大利亚的综合型人工智能会议, 在国家/地区级AI会议中算不错的了.
CAI (3): 加拿大的综合型人工智能会议, 在国家/地区级AI会议中算不错的了.
CEC (3): 进化计算方面最重要的会议之一, 盛会型. IJCNN/CEC/FUZZ-IEEE这三个会议是计算智能或者说软计算方面最重要的会议, 它们经常一起开, 这时就叫WCCI (World Congress on Computational Intelligence). 但这个领域和CS其他分支不太一样, 倒是和其他学科相似, 只重视journal, 不重视会议, 所以录用率经常在85%左右, 所录文章既有quality非常高的论文, 也有入门新手的习作.
FUZZ-IEEE (3): 模糊方面最重要的会议, 盛会型, 参见CEC的介绍.
GECCO (3): 进化计算方面最重要的会议之一, 与CEC相当，盛会型.
ICASSP (3): 语音方面最重要的会议之一, 这个领域的人也不很care会议.
ICIP (3): 图像处理方面最著名的会议之一, 盛会型.
ICPR (3): 模式识别方面最著名的会议之一, 盛会型.
IEA/AIE (3): 人工智能应用会议. 一般的会议提名优秀论文的通常只有几篇文章, 被提名就已经是很高的荣誉了, 这个会很有趣, 每次都搞1、20篇的优秀论文提名, 专门搞几个session做被提名论文报告, 倒是很热闹.
IJCNN (3): 神经网络方面最重要的会议, 盛会型, 参见CEC的介绍.
IJNLP (3): 计算语言学/自然语言处理方面比较著名的一个会议.