面向计算机视觉原创研究,包括识别、检测、分割、三维视觉、视频理解、视觉学习、生成视觉和视觉应用。
CCF-C 会议 - 人工智能-机器学习-NLP
人工智能大类下的 CCF 推荐会议,覆盖机器学习、自然语言处理、计算机视觉、机器人、多智能体等高频子方向。
面向机器学习研究,包括监督/无监督/强化学习、概率模型、优化、深度学习、理论、评测和应用。
面向机器视觉和图像理解,包括视觉识别、三维重建、视频分析、医学/遥感视觉、视觉学习和系统应用。
面向自然语言处理与中文计算,包括语言理解、生成、机器翻译、信息抽取、知识图谱、对话和大模型语言技术。
面向自然语言学习和计算语言学,包括语言表示、结构预测、语义、迁移/多语种学习、资源评测和 NLP 学习方法。
面向遗传与进化计算,包括进化算法、遗传编程、多目标优化、群体智能、理论、基准评测和应用。
面向 AI 工具与应用,包括机器学习、知识表示、推理、规划、智能代理、AI 软件工具和行业智能系统。
面向智能机器人与系统,包括机器人感知、规划、控制、操作、移动机器人、人机交互、机器人学习和系统集成。
面向学习理论,包括统计学习、在线学习、强化学习理论、PAC/复杂性、优化、隐私公平和算法化学习基础。
面向人工神经网络和神经计算,包括深度学习、神经动力学、表示学习、认知计算、理论和应用。
面向人脸、姿态和手势识别,包括生物特征、行为分析、情感/表情、多模态交互、人体动作和可信识别。
面向文档分析与识别,包括 OCR、手写识别、版面分析、表格/图表理解、历史文档、多模态文档和评测。
面向归纳逻辑编程和关系学习,包括逻辑学习、可解释规则、神经符号学习、知识发现和逻辑型 AI 应用。
面向知识科学、知识工程和知识管理,包括知识表示、图谱、推理、语义技术、知识发现和智能应用。
面向神经信息处理,包括神经网络、深度学习、计算神经科学、机器学习、模式识别和智能系统应用。
面向模式识别全领域,包括图像/视频分析、机器学习、计算机视觉、文档分析、生物特征和应用系统。
面向生物特征识别,包括人脸、指纹、虹膜、步态、行为特征、多模态融合、反欺骗、隐私和系统评测。
面向神经网络理论、算法和应用,包括深度学习、神经动力学、强化学习、认知计算、智能系统和工业应用。
面向人工智能广泛研究,包括机器学习、知识表示、规划、推理、NLP、视觉、多智能体、机器人和 AI 应用。
投稿与录取统计采用主研究轨公开口径,数据来自 OpenAccept; 日程与地点参考 CCFDDL 并以会议官网为准;未公开、未收录或当年未举办的会议统一标为“未公开”。