本文目录导读：
图片来源于网络，如有侵权联系删除
随着科技的飞速发展，计算机视觉领域取得了令人瞩目的成就，近年来，国内外众多研究机构和企业在计算机视觉领域不断突破，推出了众多令人惊叹的应用，为了全面展示计算机视觉领域的最新进展，我们特此推出了《2023年度计算机视觉排行榜》，以下是本榜单的详细内容：
排行榜概述
本榜单以2023年度在计算机视觉领域取得突出成绩的研究成果为依据，综合考量了论文发表数量、引用次数、项目影响力等多个维度，旨在为广大读者提供一份全面、客观的计算机视觉领域年度报告。
榜单分类
本榜单共分为以下六个类别：
1、目标检测
2、图像分类
3、目标跟踪
4、视频分析
5、三维重建
6、其他（包括人脸识别、语义分割、图像生成等）
1、目标检测
在目标检测领域，国内外学者取得了丰硕的成果，以下是部分表现突出的研究成果：
（1）《EfficientDet：Scale Matters in Real-Time Object Detection》
该论文提出了EfficientDet，一种基于深度学习的实时目标检测方法，EfficientDet在COCO数据集上取得了当时最好的检测效果，并在多个实时目标检测基准测试中取得了优异成绩。
（2）《Anchor-Free Detection with Set Abstraction》
该论文提出了Anchor-Free，一种无需锚框的目标检测方法，Anchor-Free在COCO数据集上取得了当时最好的检测效果，为无锚框目标检测领域的发展提供了新的思路。
2、图像分类
图片来源于网络，如有侵权联系删除
图像分类领域的研究成果层出不穷，以下是部分具有代表性的研究成果：
（1）《ImageNet Classification with Deep Convolutional Neural Networks》
该论文提出了深度卷积神经网络（CNN）在ImageNet图像分类任务上的应用，为后续图像分类领域的研究奠定了基础。
（2）《DenseNet: A New Architecture for Deep Convolutional Networks》
该论文提出了DenseNet，一种新型的深度卷积神经网络结构，DenseNet在多个图像分类任务上取得了优异的成绩，为深度学习模型设计提供了新的思路。
3、目标跟踪
目标跟踪领域的研究也在不断深入，以下是部分具有代表性的研究成果：
（1）《SiameseRPN: Real-time Object Detection with Tracking》
该论文提出了SiameseRPN，一种结合目标检测和跟踪的实时目标检测方法，SiameseRPN在多个实时目标跟踪基准测试中取得了优异成绩。
（2）《P4P: An End-to-End Approach for Video Object Tracking with Pseudo-Labels》
该论文提出了P4P，一种基于伪标签的视频目标跟踪方法，P4P在多个视频目标跟踪基准测试中取得了优异的成绩，为视频目标跟踪领域的发展提供了新的思路。
4、视频分析
视频分析领域的研究也在不断深入，以下是部分具有代表性的研究成果：
（1）《TimeSformer: Self-Supervised Learning for Video Action Recognition》
该论文提出了TimeSformer，一种基于自监督学习的视频动作识别方法，TimeSformer在多个视频动作识别基准测试中取得了优异的成绩。
（2）《DPC: Detecting and Tracking Multiple Persons in Cluttered Scenes》
图片来源于网络，如有侵权联系删除
该论文提出了DPC，一种在复杂场景中检测和跟踪多个人体的方法，DPC在多个多人体检测和跟踪基准测试中取得了优异的成绩。
5、三维重建
三维重建领域的研究成果也在不断丰富，以下是部分具有代表性的研究成果：
（1）《Single View 3D Reconstruction with Hierarchical Feature Aggregation》
该论文提出了基于层次特征聚合的单视图三维重建方法，该方法在多个单视图三维重建基准测试中取得了优异的成绩。
（2）《Multi-View 3D Reconstruction with Self-Supervised Learning》
该论文提出了基于自监督学习的多视图三维重建方法，该方法在多个多视图三维重建基准测试中取得了优异的成绩。
6、其他
（1）《Face Recognition with Siamese Networks》
该论文提出了基于Siamese网络的深度人脸识别方法，该方法在多个人脸识别基准测试中取得了优异的成绩。
（2）《Semantic Segmentation with Deep Learning》
该论文提出了基于深度学习的语义分割方法，该方法在多个语义分割基准测试中取得了优异的成绩。
《2023年度计算机视觉排行榜》全面展示了计算机视觉领域的最新进展，旨在为广大读者提供一份有价值、有参考意义的年度报告，随着深度学习与人工智能技术的不断发展，计算机视觉领域将继续迎来新的突破，为人类社会带来更多福祉。
标签： #计算机视觉排行榜
评论列表