2019年Google学术指标排名可在线免费访问，跟踪2014年至2018年期间发布的论文，并包括自2019年7月以来在Google学术搜索中编入索引的所有文章的引文。
以下是世界上最具影响力的期刊发表的被引用次数最多的文章。
1. “用于图像识别的深度残差学习”（2016）IEEE / CVF计算机视觉和模式识别会议论文集25,256次引用
在今年排名前100位的期刊中，有5种是人工智能会议出版物。这个特别的期刊在今年的排名中取得了巨大的飞跃，有三篇文章，每篇文章引用次数超过10,000次 - 这一壮举与其他期刊无法相提并论。
正如Synced的Fangyu Cai所指出的那样，“人工智能会议的发布如此惊人 - 毫不奇怪 - 近年来，他们已经从低调的学术聚会演变为奢侈的多媒体活动，吸引了数千人参与，并作为重大创新和突破的展示在人工智能研究，开发和部署方面。“
这篇特别的文章是由微软的一个研究团队撰写的，该团队在2018年实现了高质量研究产出的显着增长，正如自然指数所追踪的那样。
2. “深度学习”（2015）Nature16,750引用
本文不仅因为其引用数量众多而引人注目，而且因为引用次数与2019年Google学术搜索指标报告中引用数量最多的第二篇自然论文之间存在差异超过10,000 。
由2018年图灵奖得主，Yann LeCun，Yoshua Bengio和Geoffrey Hinton（统称为“AI的教父”）[url=https://www.nature.com/articles/d41586-019-00505-2]撰写[/url]的论文是对人工智能技术潜力的开创性回顾。
3. “用卷积法深入研究”（2015年）IEEE / CVF计算机视觉与模式识别会议论文集14424引文
本文由Google AI研究人员描述了他们的新物体检测系统GoogLeNet，它使用代号为Inception的深度神经网络系统构建。
它在2014年ImageNet大规模视觉识别挑战赛中获得最高分 - 一项国际计算机视觉竞赛。
在2018年，谷歌公司的母公司， Alphabet,，在自然指数高质量的研究成果是第六最丰富的公司实体。
4. “用于语义分割的完全卷积网络”（2015）IEEE / CVF计算机视觉和模式识别会议论文集10,153引用
加州大学伯克利分校的一个团队负责这篇极具影响力的AI论文，该论文描述了构建能够识别图像中物体的AI系统的最先进方法。
这种特殊类型的模型，语义分割，可用于计算单个图像中的对象数量，这对于诸如自动驾驶汽车和机器人技术具有很大潜力。