{“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”：[[2024,10]]，“日期时间”：“2024-01-10T00:04:29Z”，“时间戳”：1704845069588}，“发布者位置”：“Cham”，“引用计数”：30，“发布商”：“Springer International Publishing”，“isbn-type”：[{“值”：“9783030208691”，“类型”：”打印“}，{“值”：“9783030208707”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2019,1,1]]，“date-time”：“2019-01-01T00:00:00Z”，“timestamp”：1546300800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}，{“start”：{“date-parts”：[2019,1]]T00:00:00Z“，”时间戳“：1546300800000}，”内容版本“：”tdm“，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}，{“start”：{“date-parts”：[[2019,1,1]]，“date-time”：“2019-01-01T00:00:00Z”，“timestamp”：1546300800000}，“content-version”：“vor”，“delay-in-days“：0，”URL“https:\\/www.spring.com\/tdm”}]，“content-domain”：{“domain”:[“link”.springer.com“]，”crossmark-restriction“：false}，”short-container-title“：[]，“published-print”：{“date-parts”：[2019]]}，“DOI”：“10.1007\/978-3-030-20870-7_33”，“type”：“book-chapter”，“created”：{“date-parts”：[[2019,5,24]]，“date-time”：“2019-05-24T16:14:21Z”，“timestamp”：1558714461000}，”page“：”534-550“，”“update-policy”：”http://\/dx.DOI.org\/10007\/springer_cross mark_policy“，“source”：“Crossref”，“is-referenced-by-count”：4，“title”：[“面部表情识别的身份增强网络”]，“前缀”：“10.1007”，“作者”：[{“given”：“Yanwei”，“family”：“Li”，“sequence”：“first”，“affiliation”：[]}，{“给定”：“新港”，“家庭”：“Wang”，“序列”：“additional”，“从属关系”：[]}，“：”谢“、“sequence”：“additional”，“affiliation”：[]}，{“given”：“Wenqi”，“family”：“Wu”，“sequences”：“additional”、“affidiation”：“[]}.，{”given“：”Hongyuan“，”family“：”Yu“，”sequence“：”additional“，”affiliance“：[]{“给定”：“郑”，“家庭”：“朱”，“序列”：“附加”，“从属关系”：[]}]，“成员”：“297”，“published on line”：{“date-parts”“：[[2019,5,25]]}，”引用“：[{”密钥“：“33_CR1”，“doi-asserted-by”：“crossref”，”unstructured“：“Barsoum，E.，Zhang，C.，Ferrer，C.C.，Zhan，Z.：利用众包标签分布训练面部表情识别深度网络。In:ACM国际多模交互会议（2016）”，“doi”：“10.1145\/2993148.2993165”}，{“key”：“33-CR2”，“doi-asserted-by”:“crossrev”，“非结构化”：“Collobert，R.，Weston，J.：自然语言处理的统一架构：具有多任务学习的深层神经网络。In:国际机器学习会议（2008）”，“DOI”：“10.1145\/1390156.1390177”}，{“key”：“33_CR3”，“DOI-asserted-by”：“publisher”，“first page”：”1548“，“DOI:”10.1109\/TPAMI.2016.2515606“volume”：“38”，“author”：“CA Corneanu”，“year”：“2016”，“unstructured”：“Corneanus，C.A.，Simon，M.O.，Cohn，J.F.，Guerrero，S.E.：RGB，3D，thermal，and multimal approachs for face expression recognition:History，trends，and affect related applications.IEEE Trans.Pattern Anal.Mach.Intell.38，1548\u20131568（2016）”，“journal title”：“IEEE Trans.Pattern Anal.Mach.Intell.”}，{“key”：“33_CR4”，“doi-asserted-by”：“crossref”，“unstructured”：“Ding，H.，Zhou，S.K.，Chellappa，R.：FaceNet2ExpNet:正则化用于表情识别的深度人脸识别网络。In:IEEE国际自动人脸和手势识别会议（2017）”，“doi”：“10.1109\/FG.2017.23”}、{“key”：“33_CR5”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：“631”，“doi”：“10.1007\/978-3642-33709-3_45”，“volume-title”：《计算机视觉\u2013 ECCV 2012》，“author”：“Y Guo”，“year”：“2012”，“unstructured”：“Guo，Y.，Zhao，G.，Pietik\u00e4inen，M.：使用纵向面部表情图谱进行动态面部表情识别。收录：Fitzgibbon，A.，Lazebnik，S.，Perona，P.，Sato，Y.和Schmid，C.（编辑）ECCV 2012。LNCS，第631页\u2013644页。施普林格，海德堡（2012）。https://\/doi.org\/10.1007\/978-3642-33709-3_45“}，{“key”：“33_CR6”，“doi-asserted-by”：“crossref”，“unstructured”：“Huang，G.，Liu，Z.，van der Maaten，L.，Weinberger，K.Q.：密集连接卷积网络。In:IEEE Conference on Computer Vision and Pattern Recognition（2017）”，“doi”：“10.1109\/CVPR.2017.243”}，}“key:”33_CR7“，”doi-assert-by“：”crossref”，“非结构化”：“Jung，H.，Lee，S.，Yim，J.，Park，S.、Kim，J.：面部表情识别深层神经网络中的联合微调。摘自：IEEE国际计算机视觉会议（2015）“，”DOI“：”10.1109\/ICCV.2015.341“}，{“key”：“33_CR8”，“unstructured”：“Kim，Y.，Yoo，B.，Kwak，Y.、Choi，C.，Kim，J.：面部表情识别的深层生成性控制网络。arXiv预印本arXiv:1703.07140（2017）”}，}，“key“：”33_CR9“，”DOI-asserted-by“：”crossref“，”unstructure“：”Klaser，A.，Marsza\u0142ek，M.，Schmid，C.：基于3D梯度的时空描述符。In：英国机器视觉会议（2008）“，”DOI“：”10.5244\/C.22.99“}，{“key”：“33_CR10”，“DOI-asserted-by”：“crossref”，“unstructured”：“Lin，T.Y.，Goyal，P.，Girshick，R.，He，K.，Dollar，P.：稠密目标检测的焦点损失。In：IEEE国际计算机视觉会议（2017）”，“DOI”：“10.1109\/ICCV.2017.324”}，“{”key“：”33_CR11“，”doi-asserted-by“：”crossref“，”unstructured“：”Littlewort，G.等人：计算机表达式识别工具箱（CERT）。在：IEEE国际自动人脸和手势识别研讨会（2011年）”，“DOI”：“10.1109\/FG.2011.5771414”}，{“key”：“33_CR12”，“series-title”：“计算机科学课堂讲稿”，“DOI-asserted-by”：“publisher”，“first page”：”143“，“DOI:”10.1007\/978-319-16817-3_10“，“volume-title”：”计算机视觉\u2013 ACCV 2014“，“author”：“M Liu”，“年份”：“2015年”，“非结构化”：“Liu，M.，Li，S.，Shan，S.、Wang，R.、Chen，X.：深入学习用于动态表情分析的可变形面部动作部件模型。在：Cremers，D.，Reid，I.，Saito，H.，Yang，M.-H.（编辑）ACCV 2014。LNCS，第9006卷，第143\u2013157页。查姆施普林格（2015）。https:\/\/doi.org\/10.1007\/978-3-319-16817-3_10“}，{”key“：”33_CR13“，”doi-asserted-by“：”crossref“，”unstructured“：”Liu，M.，Shan，S.，Wang，R.，Chen，X.：动态面部表情识别时空流形上的学习表情集。In:IEEE Conference on Computer Vision and Pattern recognition（2014）“，”doi“：”10.1109\/CVPR.2014.226“}，{“key”：“33_CR14”，“doi-asserted-by”：“crossref”，“unstructured”：“Liu，X.，Kumar，B.V.，You，J.，Jia，P.：识别身份面部表情的自适应深度度量学习。In:IEEE Conference on Computer Vision and Pattern recognition Workshops（2017）”，“doi”：“10.1109\/CVPRW.2017.79”}，“非结构化”：“Lucey，P.，Cohn，J.F.，Kanade，T.，Saragih，J.，Ambadar，Z.，Matthews，I.：扩展的Cohn-Kanade数据集（CK+）：动作单位和情绪特定表达的完整数据集。In:IEEE Conference on Computer Vision and Pattern Recognition Workshops（2010）”，“DOI”：“10.1109\/CVPRW.2010.5543262”}，{“key”：“33_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Meng，Z.，Liu，P.，Cai，J.，Han，S.，Tong，Y.：面部表情识别的身份感知卷积神经网络。In:IEEE国际自动人脸和手势识别会议（2017）”，“doi”：“10.1109\/FG.2017.140”}，{“key”：“33_CR17”，“doi-asserted-by”：”publisher“first page”：“433”，“DOI”：“10.1109\/TSMCB.2005.859075”，“volume”：“36”，“author”：“M Pantic”，“year”：“2006”，“unstructured”：“Pantic，M.，Patras，I.：面部表情动力学：从面部轮廓图像序列中识别面部动作及其时间段。IEEE Trans.Syst.Man Cybern.Part B（Cybern）36，433\u2013449（2006）”，“新闻标题”：“IEEE Trans.Syst.Man Cybern.Part B（Cybern）”}，{“key”：“33_CR18”，“unstructured”：“Pantic，M.，Valstar，M..，Rademaker，R.，Maat，L.：面部表情分析的基于Web的数据库。In:IEEE国际多媒体与博览会（2005）会议”}：“Ptucha，R.，Tsagkatakis，G.，Savakis，A.：基于流形的稀疏表示，无需中性减法即可实现稳健的表达式识别。摘自：IEEE国际计算机视觉研讨会（2011）”，“DOI”：“10.1109\/ICCVW.2011.6130512”}，{“key”：“33_CR20”，“DOI-asserted-by”：“publisher”，“first-pages”：“121”，”DOI“：“10.1109\/TPAMI.2017.2781233”，“volume”：“41”，“author”：“R Ranjan”，“year”：“2017”，“unstructured”：“Ranjan，R.，Patel，V.M.，Chellappa，R.：HyperFace:用于人脸检测、地标定位、姿势估计和性别识别的深度多任务学习框架。IEEE Trans.Pattern Anal.Mach.Intell.41，121\u2013135（2017）”，“journal-title”：“IEEE Trans.Pattern Anal.Mach.Intell.”}，{“key”：“33_CR21”，“doi-asserted-by”：“publisher”，“first-page”：“1113”，“doi”：“10.1109\/TPAMI.2014.2366127”，《卷》：“37”，“作者”：“E Sariyanidi”，“年份”：“2015”，“非结构化”：“Sariyanidi，E.，Gunes，H.，Cavallaro，A.：面部影响的自动分析：注册、表征和识别调查。IEEE Trans.Pattern Anal.Mach.Intell.371113\u20131133（2015）”，“期刊标题”：“IEEE Trans.Pattern Anal.Mach.Intell.”}，｛“key”：“33_CR22”，“doi asserted by”：“publisher”，“首页”：“138”，“doi”：“10.1016\/j.neucom.2016.09.072”，“volume”：“221”，“author”：“S Wu”，“year”：“2017”，“unstructured”：“Wu，S.，Kan，M.，He，Z.，Shan：“Yi，D.，Lei，Z.，Liao，S.，Li，S.Z.：从头开始学习面部表征。arXiv预印本arXiv:1411.7923（2014）”}，{“key”：“33_CR24”，“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“first page”：《1》，“doi”：“10.1007\/978-319-10605-2_1”，《volume-title》：“Computer Vision\u2013 ECCV 2014”，“author”：“J Zhang”，“year”：“2014年”，“非结构化”：“Zhang，J.，Shan，S.，Kan，M.，Chen，X.：用于实时面部对齐的粗-精自动编码器网络（CFAN）。收录：Fleet，D.，Pajdla，T.，Schiele，B.，Tuytelaars，T.（编辑）ECCV 2014。LNCS，第8690卷，第1\u201316页。查姆施普林格（2014）。https:\/\/doi.org\/10.1007\/978-3-319-10605-2_1“}，{”key“：”33_CR25“，”doi-asserted-by“：”publisher“，”first page“：“367”，“doi”：“10.1007\/s11263-012-0582-z”，“volume”：“101”，“author”：“T Zhang”，“year”：“2013”，“unstructured”：“Zhang，T.，Ghanem，B.，Liu，S.，Ahuja，N.：通过结构化多任务稀疏学习实现鲁棒视觉跟踪。国际期刊。计算。视觉。101367\u2013383（2013）“，“期刊标题”：“国际计算杂志”。视觉。“}，{”key“：”33_CR26“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“94”，”doi“：”10.1007\/978-3319-10599-4_7“，”volume-title“：“Computer Vision\u2013 ECCV 2014”，”author“：”Z Zhang“，”year“：”2014“，”unstructured“：”Zhang，Z.，Luo，P.，Loy，C.C.，Tang，X.：通过深度多任务学习进行面部标志物检测。收录：Fleet，D.，Pajdla，T.，Schiele，B.，Tuytelaars，T.（编辑）ECCV 2014。LNCS，第8694卷，第94\u2013108页。查姆施普林格（2014）。https:\/\/doi.org\/10.1007\/978-3-319-10599-4_7“}，{”key“：”33_CR27“，”doi-asserted-by“：”publisher“，”first page“：“607”，”doi“：”10.1016\/j.imavis.2011.07.002“，”volume“：：”29“，”author“：”G Zhao“，”year“：”2011“，”unstructured“：”Zhao，G.，Huang，X.，Taini，M.，Li，S.Z.，Pietik\u00e4inen，M.：近红外视频中的面部表情识别。图像视觉。计算。29，607\u2013619（2011）“，“新闻标题”：“图像视觉。计算。“}，{”key“：”33_CR28“，”doi-asserted-by“：”crossref“，”unstructured“：”Zhao，G.，Pietikainen，M.：使用局部二进制模式进行动态纹理识别，并将其应用于面部表情。IEEE Trans.Pattern Anal.Mach.Intell.（2007）“，”doi“：”10.1109\/TPAMI.2007.1110“}”，{“key”：“33_CR29”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by“：”publisher“，”first page“：”425“，”doi“：”10.1007\/978-3-319-46475-6_27“，”volume-title“：”Computer Vision\u2013 ECCV 2016“，”author“：”X Zhao“，”year“：”2016“，“unstructured”：“Zhao，X.，et al.：Peak piloted deep network for face expression recognition”。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9906卷，第425\u2013442页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46475-6_27“}，{“key”：“33_CR30”，“unstructured”：“Zhong，L.，Liu，Q.，Yang，P.，Liw，B.，Huang，J.，Metaxas，D.N.：学习用于表情分析的主动面部补丁。In:IEEE Conference on Computer Vision and Pattern Recognition（2012）”}]，“container-title”：[“Computer Vaning\u2013 ACCV 2018”，“计算机科学课堂讲稿“]，”original-title“：[]，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-20870-7_33“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2021,10,5]]，”date-time“：“2021-10-05T11:40:13Z”，“timestamp”：1633434013000}，“score“：1，”resource“：{主要”：{“URL”：“https:\/\/link.springer.com/10.1007\/978-3-030-20870-7_33”}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{date-parts”：[2019]]}，“ISBN”：[“9783030208691”，“9783003208707”]，“references-count”：30，“URL”:“http://\/dx.doi.org\/10007\/978-3-07”30-20870-7_33“，“关系”：{}，“ISSN”：[“0302-9743”，“1611-3349”]，“ISSN-type”：[{“value“：”0302-9743“，”type“：“print”}，”{“value”：“1611-3349”，“type”：”electronic“}]，“subject”：[]，“published”：{“date-parts”：[2019]]}，“assertion”：[{“value”：“2019年5月25日”，“order”：1，“name”：“first_online”，“label”：“first online”，”group“：{”name“：”ChapterHistory“order”：1，“name”：“conference_acrombit”，“label”：“会议缩写“，”group“：｛”name“：”ConferenceInfo“，”label“：”ConferenceInformation“｝｝，｛”value“：”亚洲计算机视觉会议“，”order“：2，”name“：”Conference_name“，”label“：”ConferenceName“，”group“：｛”name“：”ConferenceInfo“，”label“：”ConferenceInformation“｝｝，｛”value“：”西澳州珀斯“，”order“：3，”name“：”Conference_city“，”label“：”ConferenceCity“，”group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”Australia“，“order”：4，“name”：“Conference_country”，“label”：“会议国家”，“group”：{“name”:“ConferenceInformo”，“table”：“ConferencieInformation”}，“value”：“2018”，“orders”：5，“name“Conference_year”，“label”：”会议年份“，”group“:{”name=“ConfernceInfo”，“标签”：“会议信息“}}，{“value”：“2018年12月2日”，“order”：7，“name”：“Conference_start_date”，“label”：“Conference start date”，“group”：{“name”:“ConferenceInfo”，”label“：“Confection Information”}}会议信息“}}，{”value“：”14“，”order“：9，”name“：”Conference_number“，”label“：”ConferenceNumber“，”group“：http://\/accv2018.net\/“，”order“：11，”name“：”conference_url“，”label“：”会议url“，”group“：value“：”Microsoft CMT“，”order“：2，”name“：”conference_management_system“，”label“：”会议管理系统“，”group“：｛”name“：”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“｝｝，｛”value“：”979“，”order“：3，”name“：”number_of_submissions_sent_for_Review“，”label“：”发送供审阅的提交数“，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”同行审阅信息（由会议组织者提供）“}}，{”value“：”274“，”order“：4，”name“:”Number_of_full_papers_accepted“，”标签“：”接受的全文数“同行评议信息（由会议组织者提供）“}}，{”value“：”0“，”order“：5，”name“：”number_of_short_papers_accepted“，”label“：”接受的短文数“，”group“：28%-该值由等式“接受的完整论文数”/“提交供审查的论文数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_full_papers“，”label“：”全文接受率“，”group“：ConfEventPeerReviewInformation“，”label“：”同行评议信息（由会议组织者提供）“}}，{“value”：“2.7”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：“}}，{”value“：”No“，”order“：9，”name“：”external_reviewers_involved“，”label“：”涉及的外部审阅者“，”group“：{”name“:”ConfEventPeerReviewInformation“，”标签“：”同行审阅信息（由会议组织者提供）“}}]}}