目录
前言
作为刚入门CV的新人，有必要记住计算机视觉方面的三大顶级会议：ICCV,CVPR,ECCV，统称为ICE。
与其它学术领域不同，计算机科学使用会议而不是期刊作为发表研究成果的主要方式。目前国外计算机界评价学术水平主要看在顶级学术会议上发表的论文。特别是在机器学习、计算机视觉和人工智能领域，顶级会议才是王道。
但我国目前评价学术水平的标准主要看在学术期刊上发表SCI论文，这种“以SCI期刊作为评价标准”的做法已有不少批评。
为什么说会议论文比期刊论文更重要呢？
因为机器学习、计算机视觉和人工智能领域发展非常迅速，新的工作层出不穷，如果把论文投到期刊上，一两年后刊出时就有点out了。因此大部分最新的工作都首先发表在顶级会议上，这些顶级会议完全能反映“热门研究方向”、“最新方法”。
很多经典工作大家可能引的是某顶级期刊上的论文，这是因为期刊论文表述得比较完整、实验充分。但实际上很多都是在顶级会议上首发。比如PLSA, Latent Dirichlet Allocation等。
如果注意这些领域大牛的pulications，不难发现他们很非常看重这些顶级会议，很多人是80%的会议+20%的期刊。即然大牛们把最新工作发在顶级会议上，有什么理由不去读顶级会议？
一、ICCV、ECCV、CVPR是什么？
1.ICCV
ICCV 的全称是 IEEE International Conference on Computer Vision，即国际计算机视觉大会，是公认的三个会议中级别最高的。它的举办地方会在世界范围内选，每两年召开一次。
2.ECCV
ECCV的全称是European Conference on Computer Vision，即欧洲计算机视觉国际会议。每两年召开一次，与ICCV正好错开。
3.CVPR
CVPR全称是IEEE Conference on Computer Vision and Pattern Recognition，即IEEE国际计算机视觉与模式识别会议。该会议一般在6月举行，举办地是美国，是一个一年一次的会议。======================================================================
据悉ieee cvpr 2019即将于6月在美国长滩召开。本届大会总共录取论文1299篇，这些论文来自全球各地。其来自中国的团队表现相当不俗，光腾讯公司就有超过58篇论文被本届cvpr大会接收，相比过去有了大幅提升。那么cvpr论文什么级别呢，今天就让给大家科普一下什么是cvpr。
要想知道cvpr论文什么级别，就要先了解什么是cvpr。和要论文查重的毕业论文不同，一篇cvpr论文发表是相当难的，cvpr一年一届，其收录率仅有25%不到，并且还是与全球各地学术论文竞争。
cvpr 全称IEEE Conference on Computer Vision and Pattern Recognition，中文翻译过来就是IEEE国际计算机视觉与模式识别会议，该会议是由IEEE举办的计算机视觉和模式识别领域的顶级会议。这是一个一年一次的会议，举办地从来没有出过美国，可以说是计算机视觉领域全球最具影响力、内容最全面的顶级学术会议。
cvpr录用标准相当严格，通常会议整体的录取率不超过25%，而口头报告的论文比例更只占5%不到。其会议的组织方是一个循环的志愿群体，其成员遴选一般会在某次会议召开的三年前进行。cvpr的审稿过程中会议的审稿方与投稿方均不知道对方的信息。而且一篇论文经常需要由三位审稿者进行审读。最后再由会议的领域主席(area chair)决定是否接收。
所以在各类学术会议统计中，cvpr也被认为有着很强的影响力和很高的排名。自然，cvpr论文的级别就可想而知了，cvpr论文什么级别，可以说其级别相当于顶级SCI期刊论文级别同等甚至更高。
二、三大会链接及论文下载链接
ICCV:http://www.informatik.uni-trier.de/~ley/db/conf/iccv/index.html
ECCV： http://www.informatik.uni-trier.de/~ley/db/conf/eccv/index.html
CVPR：http://dblp.uni-trier.de/db/conf/cvpr/index.html
计算机视觉会议论文下载，其中包括ICCV、CVPR、ECCV、ACCV等。
CVPapers - Computer Vision Resource：http://www.cvpapers.com/
IPOL图像处理分析经典在线（文献+C/C++源码）：http://www.ipol.im/
————————————————
版权声明：本文为CSDN博主「悬悬小」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/m0_46988935/article/details/109378535