La respuesta a esta pregunta es bastante grande. Los artículos más citados como SIFT, Viola Jones, Graph Cut, EigenFaces, Perona-Malik, difusión anisotrópica del curso son adiciones obvias a esta lista. Aparte de eso, estoy enumerando algunos documentos que, personalmente, realmente me encantó leer, principalmente debido a la intuición limpia y las explicaciones brillantes. Consideraría que los 3 principales son ejemplos principales de artículos bien escritos.
1. R. Achanta y col. (Escribe algunos de los mejores documentos que he leído), Superpíxeles SLIC: Superpíxeles SLIC en comparación con los métodos de superpíxeles más modernos
2. N. Dalal, histogramas de gradientes orientados para detección humana
- ¿Es posible convertir el desarrollo de una aplicación basada en un marco existente en un trabajo de investigación?
- ¿Cuáles son algunos de los problemas de investigación más interesantes en el campo de los sistemas de información?
- ¿Qué temas en algoritmos debería un estudiante con el objetivo de especializarse en la teoría de la complejidad computacional maestra?
- ¿Le preocupa la investigación en NN y el aprendizaje profundo, ya que los resultados se basan en demasiados resultados sin respaldarlos con una explicación teórica sólida?
- ¿Cuáles son los desafíos de Internet de las cosas para la informática teórica?
3. G. Csurka y col. (Bolsa de palabras visuales: una representación brillante de la investigación de campo cruzado) Categorización visual con bolsas de puntos clave
4. S Lazebnik, C Schmid, J Ponce, más allá de las bolsas de características: coincidencia de pirámides espaciales para reconocer categorías de escenas naturales
5. L Itti, C Koch, E Niebur, un modelo de atención visual basada en la prominencia para un análisis rápido de la escena.
6. BD Lucas y T. Kanade, una técnica iterativa de registro de imágenes con una aplicación para visión estéreo
7. Jegou y col. Agregando descriptores de imágenes locales en códigos compactos.
8. OM Parkhi et al., La verdad sobre los gatos y los perros
9. Alex Krizhevsky, Ilya Sutskever, Geoffrey E Hinton, Clasificación de ImageNet con redes neuronales convolucionales profundas
10. A. Gupta y col. ¿Qué hace que París se vea como París?
11. Hao-Yu Wu y col. Aumento de video euleriano
Esta lista está sesgada hacia la detección de objetos y la clasificación de escenas, ya que son mis temas favoritos. Por supuesto, hay algunos documentos realmente brillantes en visión estereoscópica, segmentación y extracción de características, y mucho menos en todo el campo del aprendizaje automático y las estadísticas. Puede ser que esta respuesta sea el comienzo de una compilación de algunos de los documentos fundamentales de la visión por computadora.
Editar: Aquí hay una publicación de blog con algunos de los artículos más citados en CV. – Los trabajos más citados en Computer Vision
De todos modos, agregaré a esta lista si me encuentro o recuerdo más documentos que hay que leer.
Gracias por el A2A.