{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,9,10]]，“日期时间”：“2024-09-10T18:17:32Z”，“时间戳”：1725992252425}，“出版商位置”：“查姆”，“参考计数”：32，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“类型”：”打印“，“值”：“978303007751”}{“type”：“电子”，“value”：“9783030007768”}]，“license”：[{“start”：{“date-parts”：[[2018,1,1]]，“date-time”：“2018-01-01T00:00:00Z”，“timestamp”：1514764800000}，“content-version”：“unspecified”，“delay-in-days”：0，“URL”：“http://\www.springer.com\/tdm”}2018-01-01T00:00:00Z“，”时间戳“：1514764800000}，”内容版本“：”tdm“，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[[2018,1,1]]，“date-time”：“2018-01-01T00:00:00Z”，“timestamp”：1514764800000}，“content-version”：“vor”，“delay-and-days”：0数据挖掘“}]，”内容域“：{”域“：[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2018]]}，”DOI“：”10.1007\/978-3-030-00776-8_4“，”type“：”book-capter“，”created“：{”date-part“：[2018,9,18]]，”date-time“：”2018-09-18T08:14:58Z“，”timestamp“：1537258498000}，-49“，”更新策略“：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“source”：“Crossref”、“is-referenced-by-count”：4，“title”：[“用于多模式三维对象识别的多类型图形的交叉扩散”]，“前缀”：“10.1007”，”author“：[{”given“：”Zizhao“，”family“：”Zhang“，”sequence“：”first“，”affiliation“：[]}”，{“given”：”Haojie“，”“family”：“Lin”，：“附加”，“隶属关系”：[]}，{“给定”：“俊杰”，“家族”：“朱”，“序列”：“附加”，“隶属”：[]}，}“给定的”：“西宾”，“家庭”：“赵”，“顺序”：“额外”，“从属关系”：[]}，19]]}，“引用”：[{“问题”：“3”，“密钥”：“4_CR1”，“doi-asserted-by”：“publisher”，“first page”：“223”，“doi”：“10.1111\/1467-8659.00669”，“volume”：”22“，“author”：“DY Chen”，“year”：“2003”，“unstructured”：“Chen，D.Y.，Tian，X.P.，Shen，Y.T.，Ouhyoung，M.：基于视觉相似性的三维模型检索。计算图形。论坛22（3），223\u2013232（2003）”，“日志标题”：“计算图形论坛”}，{“key”：“4_CR2”，“doi-asserted-by”：“crossref”，“unstructured”：“Chen，X.，Ma，H.，Wan，J.，Li，B.，Xia，T.：用于自动驾驶的多视图3D物体检测网络。摘自：IEEE计算机视觉和模式识别会议论文集，第1卷（2017）”，“doi”：“10.1109\/CVPR.2017.691”}，{“key”：“4_CR3”，“doi-asserted-by”：：“Feng，Y.，Zhang，Z.，Zhao，X.，Ji，R.，Gao：“10.1109 \/TIP.2012.2199502”，“volume”：“21”，“author”：“Y Gao”，“year”：“2012”，“unstructured”：“Gao，Y.，Wang，M.，Tao，D.，Ji，R.，Dai，Q.：使用超图分析进行三维对象检索和识别。IEEE Trans.Image Process.21（9），4290\u20134303：“publisher”，“first page”：“363”，“DOI”：“10.1109\/TIP.2012.202676”，“volume”：”22“，“author”：“Y Gao”，“year”：“2013”，“unstructured”：“Gao，Y.，Wang，M.，Zha，Z.J.，Shen，J.，Li，X.，Wu，X.：基于标记的社会图像搜索的视觉-文本联合关联学习。IEEE Trans.image Process.22（1），363\u2013376（2013）”，“journal-title”：“IEEE Trans.Image Process.”}，{“issue”：“12”，“key”：“4_CR6”，“doi-asserted-by”：“publisher”，“first page”：：“5526”，“doi”：“10.1109\/TIP.2016.2609814”，“volume”：”25“，“author”：“H Guo”，“year”：“2016”，“unstructured”：“Guo，H.，Wang，J.，Gao，Y.，Li，J.、Lu，H.：使用深度嵌入网络的多视图三维对象检索。IEEE Trans.Image Procress.25（12），5526\u20135537（2016）“，”期刊标题“：”IEEE Trans。图像处理。“}，{”issue“：”12“，”key“：”4_CR7“，”doi-asserted-by“：”publisher“，”first-page“：”5814“，”doi“：”10.1109\/TIP.2016.2614132“，”volume“：“25”，”author“：”R Hong“，”year“：”2016“，”unstructured“：”Hong，R.，Hu，Z.，Wang，R..，Wag，M.，Tao，D.：通过多尺度主题模型进行多视图对象检索。IEEE Trans.Image Process.25（12），5814\u20135827（2016年）“，”journal-title“：”IEEE Trans。图像处理。“｝，｛”issue“：”8“，”key“：”4_CR8“，”doi asserted by“：”publisher“，”first page“：”1555“，”doi“：”10.1109\/TTM.2015.2567071“，”volume“：”18“，”author“：”R Hong“，”year“：”2016“，”nonstructured“：”Hong，R.，Zhang，L.，Zhang，C.，Zimmermann，R.:Flickr circles：通过多视图规则化主题建模发现审美趋势。IEEE Trans.Multimed.18（8），1555\u20131567（2016）“，”期刊标题“：”IEEE Trans。Multimed公司。}，{“key”：“4_CR9”，“doi-asserted-by”：“crossref”，“unstructured”：“Huang，Y.，Liu，Q.，Metaxas，D.：通过超图切割进行视频对象分割。收录：IEEE计算机视觉和模式识别会议，CVPR 2009，第1738\u20131745页。IEEE（2009）“，“DOI”：“10.1109\/CVPR.2009.5206795”}，{“key”：“4_CR10”，“DOI-asserted-by”：“crossref”，“unstructured”：“Huang，Y.，Liu，Q.，Zhang，S.，Metaxas，D.N.：通过概率超图排名进行图像检索。摘自：IEEE计算机视觉和模式识别会议记录，第3376\u20133383页。IEEE（2010）”，“DOI”：“10.1109\/CVPR.2010.5540012”}，{“key”：“4_CR11”，“DOI断言”：“crossref”，“非结构化”：“Klaser，A.，Marsza\u0142ek，M.，Schmid，C.：基于3D梯度的时空描述符。在：英国机器视觉会议论文集，第275\u20131页。英国机器视觉协会（2008）”，“DOI”：“10.5244\/C.22.99”}，{“key”：“4_CR12”，“DOI断言”：“crossref”，“非结构化”：“Klokov，R.，Lempitsky，V.：逃离细胞：用于识别3D点云模型的深度KD网络。In：2017 IEEE国际计算机视觉会议（ICCV），pp.863\u2013872。IEEE（2017）“，“DOI”：“10.1109\/ICCV.2017.99”}，{“key”：“4_CR13”，“DOI-asserted-by”：“crossref”，“unstructured”：“Li，J.，Chen，B.M.，Lee，G.H.：SO-Net：点云分析的自组织网络。摘自：IEEE计算机视觉和模式识别会议论文集，pp.9397\u20139406（2018）”，“DOI:”10.1109\/CVPR.2018.00979“}4_CR14“，“非结构化”：“Li，Y.，Bu，R.，Sun，M.，Chen，B.：PointCNN。arXiv-print arXiv:1801.07791（2018）“}，{“issue”：“1”，“key”：“4_CR15”，“doi-asserted-by”：“publisher”，“first-pages”：“452”，“doi”：“10.1109”\/TIP.2016.2621671“，”volume“：”26“，”author“：”Q Liu“，”year“：”2017“，”unstructured“：”Liu，Q.，Sun，Y.，Wang，C.，Liu，T.，Tao，D.：用于图像聚类和半监督分类的弹性网超图学习。IEEE传输。图像处理。26（1），452\u2013463（2017）“，“期刊标题”：“IEEE Trans。图像处理。}，{“key”：“4_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Maturana，D.，Scherer，S.：Voxnet：用于实时对象识别的3D卷积神经网络。摘自：《智能机器人与系统学报》，pp.922\u2013928。IEEE（2015）“，”DOI“：”10.1109\/IROS.2015.7353481“}，{”issue“：”2\u20133“，”key“：”4_CR17“，”DOI-asserted-by“：”publisher“，”first page“：“177”，“DOI”：“10.1007\/s11263-009-0281-6”，“volume”：“89”，“author”：“P Papadakis”，“year”：“2010”，“unstructured”：“Papadakis，P.，Pratikakis，I.，Theoharis，T.，Perantonis，S.：PANORAMA：基于全景视图的3D形状描述符，用于无监督的3D对象检索。国际期刊计算。视觉。89（2013年第2期）、1772013年第192期（2010年）“，“期刊标题”：“国际计算杂志”。视觉。“}，{”issue“：”6“，”key“：”4_CR18“，”doi-asserted-by“：”publisher“，”first-page“：”637“，”doi“：”10.1109\/34.683777“，“volume”：”20“，”author“：”M Pontil“，”year“：”1998“，”unstructured“：”Pontil，M.，Verri，A.：三维对象识别的支持向量机。IEEE Trans.Pattern Anal.Mach.Intell.20（6），637\u2013646（1998）“，”journal title“：”IEEE传输。模式分析。机器。智力。“｝，｛”key“：”4_CR19“，”非结构化“：”Qi，C.R.，Su，H.，Mo，K.，Guibas，L.J.：Pointnet：3D分类和分割点集的深度学习。在：IEEE计算机视觉和模式识别会议论文集，第1卷，第4页（2017）“｝，｛”key“：”4_CR20“，”doi断言“：”crossref“，”非结构化“：”Qi，C.R.，Su，H.，Nie\u00dfner，M.，Dai，A.，Yan，M.、Guibas，L.J.：三维数据对象分类的体积和多视图cnns。在：《IEEE计算机视觉与模式识别会议论文集》，第5648\u20135656页（2016），“DOI”：“10.1109\/CVPR.2016.609”}，｛“key”：“4_CR21”，“nonstructured”：“Qi，C.R.，Yi，L.，Su，H.，Guibas，L.J.：Pointnet++：度量空间中点集的深度分层特征学习。In:Advances In Neural Information Processing Systems，pp.5105\u20135114（2017）“}，{“key”：“4_CR22”，“doi-asserted-by”：“crossref”，“unstructured”：“Riegler，G.，Ulusoy，A.O.，Geiger，A.：OctNET:学习高分辨率的深度3D表示。In:IEEE Conferences on Computer Vision and Pattern Recognition，vol.3（2017）”，“doi”：“10.1109\/CVPR.2017.701“}，{“key”：“4_CR23”，“doi-asserted-by”：“crossref”，“unstructured”：“Shen，Y.，Feng，C.，Yang，Y..，Tian，D.：通过核相关和图池挖掘点云局部结构。摘自：IEEE计算机视觉和模式识别会议论文集，第4卷（2018）”，“doi”：“10.1109\/CVPR.2018.00478”}，}“key:”4_CR24“，”doi-asserted-by“：”crossref“，”unstructured“：”Su，H.，Maji，S.，Kalogerakis，E.，Learnd-Miller，E.：三维形状识别的多视图卷积神经网络。摘自：IEEE计算机视觉国际会议论文集，第945\u2013953（2015）页，“DOI”：“10.1109\/ICCV.2015.114”}，{“issue”：“21”，“key”：“4_CR25”，“DOI-asserted-by”：“publisher”，“first page”：”2831“，“DOI:”10.1093\/btp467“，”volume“：”25“author”：“Z Tian”，“year”：“2009”，“unstructured”：“Tian，Z.，Hwang，T.，Kuang，R.：一种基于超图的学习算法，用于根据先验知识对基因表达和ArrayCGH数据进行分类。生物信息学25（21），2831\u20132838（2009）“，“期刊标题”：“生物信息学”}，{“key”：“4_CR26”，“unstructured”：“Vranic，D.，Saupe，D.：基于三维傅里叶变换的三维形状描述子。EURASIP，pp.271\u2013274（2001）”}Wang，Y.、Sun，Y.，Liu，Z.、Sarma，S.E.、Bronstein，M.M.、Solomon，J.M.：用于学习点云的动态图CNN。arXiv预印本arXiv:1801.07829（2018）“}，{“key”：“4_CR28”，“unstructured”：“Wu，Z.，et al.：3D ShapeNets:立体形状的深度表示。收录于：IEEE计算机视觉和模式识别会议论文集，第1912\u20131920（2015）页”}，}“issue”：“1”，“key“：”4_CR29“，”doi-asserted-by“：”publisher“，”first page“：“412”，“doi”：“10.1109\/TCYB.2016.2638924“，”卷“：”48“，”作者“：”解J“，”年份“：”2016“，”非结构化“：”谢，J.，戴，G.，朱，F.，邵，L.，方，Y.：三维形状检索的深度非线性度量学习。IEEE传输。赛博。48（1），412\u2013422（2016）“，“期刊标题”：“IEEE Trans。赛博。“}，{”key“：”4_CR30“，”doi-asserted-by“：”crossref“，”unstructured“：”Xie，S.，Liu，S.、Chen，Z.，Tu，Z.：用于点云识别的Attentional ShapeContextNet。In:IEEE Computer Vision and Pattern recognition会议记录，第4606\u20134615页（2018）“，”doi“：”10.1109\/CVPR.2018.00484“}”，{“key”：“4_CR31”，“doi-assert-by”：“publisher”，“第一页“：”291“，”DOI“：”10.1016\/j.patcog.2016.06.009“，”volume“：”63“，”author“：”Z Zhang“，”year“：”2017“，”unstructured“：”Zhang，Bai，L.，Liang，Y.，Hancock，E.：用于特征选择的联合超图学习和稀疏回归。模式识别。63，291\u2013309（2017）“，“新闻标题”：“模式识别。“}，{”issue“：“12”，”key“：“4_CR32”，”doi-asserted-by“：”publisher“，”first page“：”2756“，”doi“：”10.1109\/TCYB.2014.2383389“，”volume“：‘45’，”author“：”L Zhu“，“year”：“2015”，“unstructured”：“Zhu，L.，Shen，J.，Jin，H.，Zheng，R.，Xie，L.：通过多模式超图学习进行基于内容的视觉地标搜索。IEEE Trans.Cybern.45（12），2756\u20132769（2015年）“，”journal-title“：”IEEE Trans。赛博。“}]，”container-title“：[”计算机科学课堂讲稿“，”多媒体信息处理进展\u2013 PCM 2018“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-00776-8_4“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]“deposed“：{“date-parts”：[[2024,3,13]]，“date-time”：“2024-03-13T12:19:30Z”，“timestamp”：171033237000}，“score”：1，“resource”：{主“URL”：“https:\/\/link.springer.com\/10.1007\/978-3-030-00776-8_4”}，”副标题“[]，”短标题“：[]，“issued”：{“date-ports”：[2018]]}，《ISBN》：[“978303000776-8_4”51“，”9783030007768“]，”references-count“：32，”URL“：”http:\/\/dx.doi.org\/10.1007\/978-3-030-00776-8_4“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”类型“：”打印“，”值“：”0302-7743“}，{”型号“：”电子“，”数值“：”1611-33049“}]，”主题“：[]，”发布“：{”日期部分“：[2018]]}，“断言”：[{-“值”：“19 2018年9月“，”订单“：1，”名称“：”first_online“，”标签“：”first online“，“group”：{“name“：”ChapterHistory“，”label“：”Chapter History”}}，{“value”：“PCM”，“order”：1，“name”：“conference_acrombit”，“label”：“conference缩写”，“group”：{“name”:“ConferenceInfo”，“tabel”：”ConferenceInformation“}，”value“：”Pacific Rim conference-on Multimedia“，”order“：2，”name“：label“：”会议信息“}}，{“value”：“合肥”，“order”：3，“name”：“Conference_city”，“label”：“ConferenceCity”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}“，”order“：5，”name“：”conference_year“，”label“：”会议年份“，”group“：conference_end_date”，“label”：“会议结束日期”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“19”，“order”：9，“name”：“conference_number”，“label”：“会议号”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝，｛“value”：“pcm2018”，“order”：10，“name”：“conference_id”，“label”：“ConferenceID”group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”http://\/pcm2018.org\/“，”order“：11，“name”：“Conference_url”，“label”：“会议url”，“group”：{