簡介
國際計算機視覺與模式識别會議（CVPR）是IEEE一年一度的學術性會議，會議的主要内容是計算機視覺與模式識别技術。CVPR是世界頂級的計算機視覺會議（三大頂會之一，另外兩個是ICCV和ECCV），近年來每年有約1500名參加者，收錄的論文數量一般300篇左右。第一屆CVPR會議于1985年在舊金山舉辦，後面每年都在美國本土舉行。
近幾年錄取率25%左右，自2001年開始每年在會議上進行演講的論文[oral]通過率銳減為10%以下，2006年這一數字以來更是低于5%（一個重要原因是由于論文數量過多，大部分的6~8頁長篇論文在會議期間隻要求做海報[poster]展示）。在各種學術會議統計中，cvpr被認為有着很強的影響因子和很高的排名。
舉辦地
第一屆CVPR會議于1983年在華盛頓由金出武雄和Dana Ballard舉辦，此後每年都在美國本土舉行。會議一般在六月舉行，而舉辦地通常情況下是在美國的西部，中部和東部地區之間循環。例如，2013年該會議在波特蘭召開。而2014年有超過1900人參加了在哥倫比亞舉辦的會議。而接下來的2015,2016和2017年，該會議分别于波士頓，拉斯維加斯和夏威夷舉辦。
會議概況
CVPR有着較為嚴苛的錄用标準，會議整體的錄取率通常不超過30%，而口頭報告的論文比例更是不高于5%。而會議的組織方是一個循環的志願群體，通常在某次會議召開的三年之前通過遴選産生。
CVPR的審稿一般是雙盲的，也就是說會議的審稿與投稿方均不知道對方的信息。通常某一篇論文需要由三位審稿者進行審讀。最後再由會議的領域主席(area chair)決定論文是否可被接收。
在各種學術會議統計中，CVPR被認為有着很強的影響力和很高的排名。目前在中國計算機學會推薦國際學術會議的排名中，CVPR為人工智能領域的A類會議。在巴西教育部的排名中排名為A1。基于微軟學術搜索(Microsoft Academic Search)2014年的統計，CVPR中的論文總共被引用了169,936次。
香港中文大學教授湯曉鷗率領的團隊在全球範圍内做出了大量深度學習原創技術突破：2012年國際計算視覺與模式識别會議（CVPR）上僅有的兩篇深度學習文章均出自其實驗室。
2011—2013年間在計算機視覺領域兩大頂級會議ICCV和CVPR上發表了14篇深度學習論文，占據全世界在這兩個會議上深度學習論文總數（29篇）的近一半。他在2009年獲得計算機視覺領域兩大最頂尖的國際學術會議之一CVPR最佳論文獎，這是CVPR曆史上來自亞洲的論文首次獲獎。
CVPR是由世界上最大的非營利性專業技術學會IEEE（電氣電子工程師學會）舉辦。IEEE緻力于電氣、電子、計算機工程和與科學有關的領域的開發和研究，在航空航天、信息技術、電力及消費性電子産品等領域，已制定了900多個行業标準，是具有較大影響力的國際學術組織。
作為世界上頂級的學術會議，CVPR每年吸引數以千計的公司及機構。會議收錄的論文均代表着人工智能領域的最新發展及領先的技術水平，入選單位通常都是世界一流大學、研究機構和頂尖企業，如牛津大學、麻省理工學院、微軟亞洲研究院、谷歌、臉書等。
中國計算機學會（CCF）推薦的A類國際學術會議CVPR 2021論文接收結果公布。中國人民大學高瓴人工智能學院師生有5篇論文被錄用。國際計算機視覺與模式識别會議(Conference on Computer Vision and Pattern Recognition，簡稱CVPR)是計算機視覺會議的世界三大頂會之一(另外兩個是ICCV和ECCV)，于每年6月舉辦。
2021年CVPR共有7015篇有效投稿，其中進入Decision Making階段的共有5900篇，最終有1663篇突出重圍被接收，錄用率約為23.7%。
其中可以看到，在計算機視覺與模式識别領域，CVPR是影響力最大的論文發布平台。CVPR全稱為「IEEE Conference on Computer Vision and Pattern Recognition」（計算機視覺與模式識别會議），是近年來計算機視覺領域全球最影響力、内容最全面的頂級學術會議，由專業技術學會IEEE（電氣和電子工程師協會）主辦。
不僅在學術領域，随着深度學習在圖像處理領域的應用熱潮，越來越多的業界研究機構也在将目光投向CVPR，從數量衆多的大會贊助商中，我們就可以感受到這一活動的關注度之高。在漫長的等待之後，本屆大會已于2017于7月21日在美國夏威夷開幕，并将舉行至7月26日。
作為領域内具有權威性的會議，VPR共收到有效提交論文2680篇，其中2620篇論文經過完整評議，最終總計783篇被正式錄取（占總提交數的29%）。被接收的論文中，71篇将進行長口頭演講，144篇進行短亮點演講。
華人不僅占據了論文作者的半壁江山，國内衆多人工智能公司也已摩拳擦掌要在CVPR大會上大顯身手了。本文中，我們将盤點國内外人工智能公司在CVPR 2017上展現的技術，以及即将舉辦的精彩活動。文後我們附上了機器之心此前報道過的CVPR 2017論文。CVPR 2021 invites you to become a Sponsor on the CVPR 2021 Virtual Platform.
産業界CVPR 2017論文
有衆多業界公司參與了CVPR 2017。據大會官網的數據統計，全球共有約90家企業參與到本次大會中。海外科技巨頭谷歌、微軟、Facebook、亞馬遜、蘋果、英特爾、英偉達等，毫無意外都有論文被接收。即使是最為低調的蘋果，在日前新開的在線期刊《Apple Machine Learning Journal》中，最先介紹的也是該公司将在CVPR 2017大會上展示的論文。
把目光轉向國内公司，騰訊、阿裡巴巴、京東、滴滴等大型互聯網公司，和商湯、Momenta、馭勢、格靈深瞳等初創企業也都或多或少地參與了這次大會。國内公司不僅提交論文，也在會議期間舉辦演講和各類活動，中國公司在機器學習領域的積累正在逐漸顯現。
據機器之心了解，微軟有28篇論文被CVPR 2017接收，其中微軟亞洲研究院有18篇論文被接收。此外，微軟全球執行副總裁沈向洋将在大會上發表主旨演講
在6月16日北京中關村微軟大廈舉辦的微軟亞洲研究院創研論壇――CVPR 2017論文分享會上，微軟亞研的研究員已經分享了數篇被CVPR 2017接收的論文：
論文：StyleBank: An Explicit Representation for Neural Image Style Transfer
簡介：作者們在這一設計中運用卷積神經網絡作為基礎，在通過卷積作用得到特征層後，加入風格化分支――StyleBank層作相應處理，可以得到很好的圖像效果。
論文：Incorporating Copying Mechanism in Image Captioning for Learning Novel Objects
簡介：微軟亞洲研究院姚霆的相關研究成果為Image Captioning with Attributes，通過利用屬性（attributes）對圖像标注進行改進，這種方法有很大的潛力可以成為生成開放性詞彙句子（open-vocabulary sentences）的有效方法。這種以搜索為基礎的方法，應用卷積神經網絡加循環神經網絡，可以使圖像标注系統更加實用。
論文：Collaborative Deep Reinforcement Learning for Joint Object Search
簡介：作者們提出了一種新的多智能體間的Q-學習的方法，即門控選通式連接（gated cross connections）的深度Q網絡――給交流模塊設計一個門控結構，可以讓每個智能體去選擇相信自己還是相信别人。這是一種對虛拟智能體進行聯合訓練的高效方法。它有效地利用了相關物體間的有用的上下文情境信息（contextual information），并且改進了目前最先進的主動定位模型（active localization models）
論文：Neural Aggregation Network For Video Face Recognition
簡介：傳統的深度學習方法在進行人臉識别時需要對每一幀都進行特征提取，這樣的效率是很低的。而NAN網絡可以對視頻或目标對象進行高度緊湊（highly-compact）的表征（128-d）；利用注意力機制（attention mechanism）進行學習型聚合（learning-based aggregation）；這種網絡在三個關于人臉視頻的基準中都有着一流的表現。作者認為這種聚合網絡是簡單并且通用的，今後也會用于其它一些視頻識别的任務當中。
在微軟衆多被接收的論文中，我們注意到一篇Oral論文：Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-grained Image Recognition，介紹了一種端到端，逐層集中Attention到有用位置的方法。該研究作者為微軟亞研研究員梅濤等人。大會期間，該團隊将上台進行12分鐘的演講，詳細介紹此項研究成果。
