Abstract：论文是快速分享和传递新想法、新思维和新技术的重要途径，通常在会议或期刊上发表。二者在时效性、评审周期和发表难度等方面有诸多不同。而计算机领域由于其发展迅速，迭代周期短等特点，更重视国际顶级会议的论文发表。本文将简单比较会议和期刊论文的特点，并概括介绍部分顶会。
Keywords：论文发表；会议；期刊。
会议 & 期刊
- 时效：会议通常比期刊录用流程短，适合深度学习等更新非常快的领域；
- 难度：会议和期刊的录用难度没有绝对高下，对于国际顶会和核心期刊，难度都比较大；
- 评审：期刊论文（Journal Paper）需要同行评审（peer review），会议论文（Conference paer）一般不需要；
- 选择：国内外一流院校通常需要博士学位学生发表数篇SCI检索期刊论文；
- 重要性：学术界通常认为期刊的重要性大于会议，前者需要提供比较完整的结论性证明，而后者通常侧重要创新想法的提出。但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
会议排行
顶会列表
- AI：AAAI、IJCAI、ICML、NIPS；
- CV：CVPR、ICCV、ECCV、ICLR；
- NLP：ACL、EMNLP
CV三大顶会
CVPR
举办频率：每年一次；地点：美国。
全称 IEEE Conference on Computer Vision and Pattern Recognition，是计算机视觉三大顶会之一，由IEEE举办，主要内容包括计算机视觉与模式识别技术。CVPR有着较为严苛的录用标准，审稿采取是双盲机制，会议整体的录取率通常不超过30%，而口头报告的论文比例更是不高于5%。在各种学术会议统计中，CVPR被认为有着很强的影响力和很高的排名。目前在中国计算机学会推荐国际学术会议的排名和清华计算机学科推荐列表中，CVPR均为人工智能领域的A类会议。
近五年CVPR收录的top1-3论文分别是：
- 《Deep Residual Learning for Image Recognition》
- 《Going Deeper with Convolutions》
- 《Fully convolutional networks for semantic segmentation》
其中由Facebook AI研究院（FAIR）的何恺明提出的《Deep Residual Learning for Image Recognition》，在2015年的ImageNet 大规模视觉识别挑战赛（ILSVRC）中，一举击败谷歌、英特尔荣获第一，成为举世闻名的152层深度残差网络ResNet-152，同时2016年该文再次获得CVPR最佳论文奖。
ICCV
频率：两年一次；地点：全球。
全称 IEEE International Conference on Computer Vision，与计算机视觉模式识别会议（CVPR）和欧洲计算机视觉会议（ECCV）并称计算机视觉方向的三大顶级会议，被澳大利亚ICT学术会议排名和中国计算机学会等机构评为最高级别学术会议，在业内具有极高的评价。不同于在美国每年召开一次的CVPR和只在欧洲召开的ECCV，ICCV在世界范围内每两年召开一次。ICCV论文录用率非常低，是三大会议中公认级别最高的。ICCV会议时间通常在四到五天，相关领域的专家将会展示最新的研究成果。该会议由美国电气和电子工程师学会（IEEE，Institute of Electrical & Electronic Engineers）主办，主要在欧洲、亚洲、美洲的一些科研实力较强的国家举行。作为世界顶级的学术会议，首届国际计算机视觉大会于1987年在伦敦揭幕，其后两年举办一届。
ECCV
频率：两年一次；地点：欧洲。
全称 European Conference on Computer Vision(欧洲计算机视觉国际会议) ，两年一次，是计算机视觉三大会议（另外两个是ICCV和CVPR）之一。每次会议在全球范围录用论文300篇左右，主要的录用论文都来自美国、欧洲等顶尖实验室及研究所，中国大陆的论文数量一般在10-20篇之间。ECCV2010的论文录取率为27%。 ECCV是一个欧洲会议，欧洲人一般比较看中理论，但是从最近一次会议来看，似乎大家也开始注重应用了，oral里面的demo非常之多，演示效果很好，让人赏心悦目、叹为观止。不过欧洲的会有一个不好，就是他们的人通常英语口音很重，有些人甚至不太会说英文，所以开会和交流的时候，稍微有些费劲。