当前位置：首页 SCI 期刊计算机科学 Machine Vision And Applications(非官网)

Machine Vision And ApplicationsSCIE

国际简称：MACH VISION APPL 参考译名：机器视觉与应用

中科院分区
4区
CiteScore分区
Q2
JCR分区
Q2

基本信息：: ISSN：0932-8092; E-ISSN：1432-1769; 是否OA：未开放; 是否预警：否; TOP期刊：否

出版信息：: 出版地区：UNITED STATES; 出版商：Springer Berlin Heidelberg; 出版语言：English; 出版周期：Bimonthly; 出版年份：1988; 研究方向：工程技术-工程：电子与电气

评价信息：: 影响因子：2.4; H-index：58; CiteScore指数：6.3; SJR指数：0.657; SNIP指数：1.142

发文数据：: Gold OA文章占比：13.76%; 研究类文章占比：100.00%; 年发文量：125; 自引率：0.0303...; 开源占比：0.1107; 出版撤稿占比：0; 出版国人文章占比：0.25; OA被引用占比：0.1393...

投稿咨询加急见刊

英文简介期刊介绍 CiteScore数据中科院SCI分区 JCR分区发文数据常见问题

英文简介Machine Vision And Applications期刊介绍

Machine Vision and Applications publishes high-quality technical contributions in machine vision research and development. Specifically, the editors encourage submittals in all applications and engineering aspects of image-related computing. In particular, original contributions dealing with scientific, commercial, industrial, military, and biomedical applications of machine vision, are all within the scope of the journal.

Particular emphasis is placed on engineering and technology aspects of image processing and computer vision.

The following aspects of machine vision applications are of interest: algorithms, architectures, VLSI implementations, AI techniques and expert systems for machine vision, front-end sensing, multidimensional and multisensor machine vision, real-time techniques, image databases, virtual reality and visualization. Papers must include a significant experimental validation component.

期刊简介Machine Vision And Applications期刊介绍

《Machine Vision And Applications》自1988出版以来，是一本计算机科学优秀杂志。致力于发表原创科学研究结果，并为计算机科学各个领域的原创研究提供一个展示平台，以促进计算机科学领域的的进步。该刊鼓励先进的、清晰的阐述，从广泛的视角提供当前感兴趣的研究主题的新见解，或审查多年来某个重要领域的所有重要发展。该期刊特色在于及时报道计算机科学领域的最新进展和新发现新突破等。该刊近一年未被列入预警期刊名单，目前已被权威数据库SCIE收录，得到了广泛的认可。

该期刊投稿重要关注点：

预计审稿时间：约6.5个月
计算机科学
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
SCIE
中科院4区
非预警

Cite Score数据（2024年最新版）Machine Vision And Applications Cite Score数据

CiteScore：6.3
SJR：0.657
SNIP：1.142

学科类别	分区	排名	百分位
大类：Computer Science 小类：Computer Vision and Pattern Recognition	Q2	30 / 106	72%
大类：Computer Science 小类：Computer Science Applications	Q2	235 / 817	71%
大类：Computer Science 小类：Hardware and Architecture	Q2	53 / 177	70%
大类：Computer Science 小类：Software	Q2	130 / 407	68%

CiteScore 是由Elsevier(爱思唯尔)推出的另一种评价期刊影响力的文献计量指标。反映出一家期刊近期发表论文的年篇均引用次数。CiteScore以Scopus数据库中收集的引文为基础，针对的是前四年发表的论文的引文。CiteScore的意义在于，它可以为学术界提供一种新的、更全面、更客观地评价期刊影响力的方法，而不仅仅是通过影响因子(IF)这一单一指标来评价。

历年Cite Score趋势图

中科院SCI分区Machine Vision And Applications 中科院分区

中科院 2023年12月升级版 综述期刊：否 Top期刊：否

大类学科	分区	小类学科	分区
计算机科学	4区	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能 COMPUTER SCIENCE, CYBERNETICS 计算机：控制论 ENGINEERING, ELECTRICAL & ELECTRONIC 工程：电子与电气	4区 4区 4区

中科院分区表 是以客观数据为基础，运用科学计量学方法对国际、国内学术期刊依据影响力进行等级划分的期刊评价标准。它为我国科研、教育机构的管理人员、科研工作者提供了一份评价国际学术期刊影响力的参考数据，得到了全国各地高校、科研机构的广泛认可。

中科院分区表 将所有期刊按照一定指标划分为1区、2区、3区、4区四个层次，类似于“优、良、及格”等。最开始，这个分区只是为了方便图书管理及图书情报领域的研究和期刊评估。之后中科院分区逐步发展成为了一种评价学术期刊质量的重要工具。

历年中科院分区趋势图

JCR分区Machine Vision And Applications JCR分区

2023-2024 年最新版

按JIF指标学科分区	收录子集	分区	排名	百分位
学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	SCIE	Q3	111 / 197	43.9%
学科：COMPUTER SCIENCE, CYBERNETICS	SCIE	Q2	14 / 32	57.8%
学科：ENGINEERING, ELECTRICAL & ELECTRONIC	SCIE	Q2	170 / 352	51.8%

按JCI指标学科分区	收录子集	分区	排名	百分位
学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	SCIE	Q3	109 / 198	45.2%
学科：COMPUTER SCIENCE, CYBERNETICS	SCIE	Q2	10 / 32	70.31%
学科：ENGINEERING, ELECTRICAL & ELECTRONIC	SCIE	Q2	168 / 354	52.68%

JCR分区的优势在于它可以帮助读者对学术文献质量进行评估。不同学科的文章引用量可能存在较大的差异，此时单独依靠影响因子(IF)评价期刊的质量可能是存在一定问题的。因此，JCR将期刊按照学科门类和影响因子分为不同的分区，这样读者可以根据自己的研究领域和需求选择合适的期刊。

历年影响因子趋势图

发文数据

2023-2024 年国家/地区发文量统计

国家/地区数量
CHINA MAINLAND89
USA31
India30
England19
France15
Spain14
GERMANY (FED REP GER)13
Australia11
Canada11
South Korea11

本刊中国学者近年发表论文

1、A method for high dynamic range 3D color modeling of objects through a color camera
Author: Zhang, Yanan; Qiao, Dayong; Xia, Changfeng; Yang, Di; Fang, Shilei

Journal: MACHINE VISION AND APPLICATIONS. 2023; Vol. 34, Issue 1, pp. -. DOI: 10.1007/s00138-022-01355-1
2、Automatic cables segmentation from a substation device based on 3D point cloud
Author: Yuan, Qianjin; Chang, Jing; Luo, Yong; Ma, Tianlei; Wang, Dongshu

Journal: MACHINE VISION AND APPLICATIONS. 2023; Vol. 34, Issue 1, pp. -. DOI: 10.1007/s00138-022-01358-y
3、SiamMMF: multi-modal multi-level fusion object tracking based on Siamese networks
Author: Yang, Zhen; Huang, Peng; He, Dunyun; Cai, Zhongwang; Yin, Zhijian

Journal: MACHINE VISION AND APPLICATIONS. 2023; Vol. 34, Issue 1, pp. -. DOI: 10.1007/s00138-022-01354-2
4、RAU-Net: U-Net network based on residual multi-scale fusion and attention skip layer for overall spine segmentation
Author: Yang, Zhaomin; Wang, Qi; Zeng, Jianchao; Qin, Pinle; Chai, Rui; Sun, Dong

Journal: MACHINE VISION AND APPLICATIONS. 2023; Vol. 34, Issue 1, pp. -. DOI: 10.1007/s00138-022-01360-4
5、Consensus similarity learning based on tensor nuclear norm
Author: Tang, Rong; Lu, Gui-Fu

Journal: MACHINE VISION AND APPLICATIONS. 2023; Vol. 34, Issue 1, pp. -. DOI: 10.1007/s00138-022-01350-6
6、Visible-infrared person re-identification model based on feature consistency and modal indistinguishability
Author: Sun, Jia; Li, Yanfeng; Chen, Houjin; Peng, Yahui; Zhu, Jinlei

Journal: MACHINE VISION AND APPLICATIONS. 2023; Vol. 34, Issue 1, pp. -. DOI: 10.1007/s00138-022-01368-w
7、LDNet: low-light image enhancement with joint lighting and denoising
Author: Li, Yuhang; Liu, Tianyanshi; Fan, Jiaxin; Ding, Youdong

Journal: MACHINE VISION AND APPLICATIONS. 2023; Vol. 34, Issue 1, pp. -. DOI: 10.1007/s00138-022-01365-z
8、Human pose estimation based on lightweight basicblock
Author: Li, Yanping; Liu, Ruyi; Wang, Xiangyang; Wang, Rui

Journal: MACHINE VISION AND APPLICATIONS. 2023; Vol. 34, Issue 1, pp. -. DOI: 10.1007/s00138-022-01352-4