2010年8月23~26日，第二十届模式识别国际会议（The 20th International Conference of Pattern Recognition，ICPR2010）在土耳其伊斯坦布尔召开。 会议为期3天，共收到投稿论文2140余篇，有1050个审稿人评阅论文(平均每篇论文3个以上的审稿人)，共录用1147篇论文，其中Oral为385篇，Poster为762篇，会议论文集由IEEE出版。会议囊括了模式识别和机器学习，信号、语音、图像和视频处理，人机交互，多媒体与文本分析等多个议题。会议由Sabanci大学、IBM等资助与承办。共有来自美国、中国、加拿大、德国、法国、英国、意大利、瑞典、日本等国共计约1200人参加了此次会议。参加此次会议的人员有来自著名的美国麻省理工大学、美国斯坦福大学、美国加州大学伯克利大学、美国匹兹堡大学、IBM华生研究院、微软剑桥研究院、加拿大滑铁卢大学、英国国王学院大学、日本东京大学、中国华中科技大学、中国科学院等大学及企业科研中心等学术机构。
IDC实验室博士生靳延安在大会上“Feature Extraction; Classification; Clustering; Bayesian Methods”就题为《Topic-sensitive Tag Ranking》的论文与参会学者进行了讨论。论文主要讨论了当前流行的Social tagging systems中的tag排序问题。论文认为很多Soical tagging systems目前没有对tag的质量作出评价，这不利于基于tag的一些应用比如搜索、推荐等。论文使用LDA模型对整个tag空间进行建模,萃取出每个tag在每个主题上的概率,然后对由tag同现所建构的tag主题转移概率图上应用PageRank算法,这样就得到了每个tag的重要性排序。该论文引起了会场较为热烈的提问和讨论，普遍认为该文章是一个较为新颖的工作，并对文章的后续工作表达了兴趣，同时也提出了广泛的建议。
会议邀请了多位本领域的专家学者发表主题报告。首先是来自Bern的Horst Bunke教授，他的报告题目为《Research Group on Computer Vision and Artificial Intelligence IAM》。统计模式识别主要特点是用特征向量来表示模式,然而结构模式识别是用Strings、trees和graphs等结构来表示模式。但是，目前还很少有关于图结构表示模式的算法和工具。该报告首先总结了结构模式识别的发展，归纳了诸多学者对从统计模式识别向结构统计模式所做的努力。其次是来自Microsoft Research Cambridge的Christopher M. Bishop教授，他的报告题目为《Embracing Uncertainty:The new machine intelligence》。报告介绍了基于概率图模型的机器智能应用实例，该实例把专家系统中很丰富的先验知识应用在机器学习的过程中，使得大规模应用机器智能成为可能。紧接着来自美国Yahoo研究院的Prabhakar Raghavan博士做了题为《The Quantitative Analysis of User Behavior Online Data,Models and Algorithms》。报告认为计算机科学和某些社会科学的交叉研究在理解用户对网上内容和相关事务的反应方面还有很多空白。报告使用一个具体的图象搜索结果表示的例子来说明这一点。最后一个主体报告是由来自麻省理工大学的Abtonio Torralba教授，题为《Scene and Object Recognition in Context》。他首先回顾了计算机视觉中Object Recognition过去二十年的研究，提出以前的研究都忽略了场景的语义结构信息。然后介绍了一系列他们研究组的研究成果。
研讨会期间来自学术界、产业界的科研学者齐聚一堂，共同对于模式识别和机器学习的算法、应用、现在存在的重要问题和发展趋势进行了讨论。
