{“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”：[[2023,9,1]]，“日期时间”：“2023-09-01T15:16:48Z”，“时间戳”：1693581408279}，“发布者位置”：“查姆”，“引用计数”：27，“出版商”：“斯普林格国际出版”，“isbn-type”：[{“值”：“97830341091”，“类型”：”打印“}，{“值”：“9783030341107”，“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”：“https:\\/www.springernature.com\/gp\/researters\/text-and-data-mining”}，“日期时间”：“2019-01-01T00:00:00Z”，“时间戳”：1546300800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https://www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2019]]}”，“DOI”：“10.1007\/978-3030-30-30 34110-7_57“，”类型“：”书壳“，“created”：{“date-parts”：[[2019,11,27]]，“date-time”：“2019-11-27T18:02:59Z”，“timestamp”：1574877779000}，“page”：“678-689”，“update-policy”：”http://\/dx.doi.org\/10.10007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：0，“title”：[“Learning to Detect License Plates Using Synthesized Data”]，“prefix”：“10.1007”，“作者”：[{“给定”：“延辉”、“家族”：“庞”、“序列”：“第一”、“隶属关系”：[]｝、｛“给定”：“文中”、“家族”：“王”、“序列”：“附加”、“隶属关系”：[]｝、｛“给定”：“爱华”、“家族”：“郑”、“序列”：“附加”、“隶属关系”：[]｝、｛“给定”：“晋”、“家族”：“唐”、“序列”：“附加”、“隶属关系”：[]｝、“成员”：“297”、“在线发布”：{“日期部分”：[[2019,11,28]]｝，“引用”：[｛“密钥”：“57_CR1”，“doi断言者”：“发布者”，“首页”：“216”，“doi”：“10.1016\/j.eswa.2017.09.036”，“卷”：“92”，“作者”：“MS Al Shemarie”，“年份”：“2018”，“非结构化”：“Al-Shemarry，M.S.，Li，Y.，Abdulla，S.：用于低质量图像车牌检测的3l-lbps分类器的adaboost级联集成。实验系统应用92，216\u2013235（2018）”，“日志标题”：“实验系统应用”}，{“key”：“57_CR2”，“非结构化”：“Bluche，T.：用于端到端手写段落识别的联合行分割和转录。In:Advances In Neural Information Processing Systems（2016）”}，{“key”：“57_CR3”，“unstructured”：“Caltech:Caltech licese-plate dataset。http://www.vision.Caltech.edu\/html-files\/archive.html”}，“非结构化”：“Cao，C.等人：三思而后行：用反馈卷积神经网络捕获自上而下的视觉注意力。摘自：IEEE国际计算机视觉会议论文集（2015）”，“DOI”：“10.1109\/ICCV.2015.338”}，{“key”：“57_CR5”，“非结构性”：“Dai，J.，Li，Y.，He，K.，Sun，J.：R-fcn：通过基于区域的完全卷积网络进行对象检测。In:Advances In Neural Information Processing Systems（2016）”}，{“key”：“57_CR6”，“series-title”：“Computer Science课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：《417》，“doi”：“10.1007\/978-3-030-0335-4_36”，《volume-title》：“模式识别与计算机视觉”，“作者”：“S Duan”，“年份”：“2018年”，“非结构化”：“Duan，S.，Hu，W.，Li，R.，Li、W.，Sun，S.：用于中国汽车牌照识别的注意力增强convent-RNN。In:Lai，J.H.，et al.（eds.）PRCV 2018。LNCS，第11257卷，第417\u2013428页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-03335-4_36“}，{“key”：“57_CR7”，“doi-asserted-by”：“crossref”，“unstructured”：“Georgakis，G.，Mousavian，A.，Berg，A.C.，Kosecka，J.：室内场景中目标检测的综合训练数据（2017）”，“doi”：“10.15607\/RSS.2017.XIII.043”}，“key“：”57_CR8“，”doi-assert-by“：”crossref.“，”非结构化“：”Girshick，R.：《美国有线电视新闻网快报》。在：IEEE国际计算机视觉会议（ICCV）（2015）“，”DOI“：”10.1109\/ICCV.2015.169“}，{”key“：”57_CR9“，”DOI-asserted-by“：”crossref“，”unstructured“：”Girshick，R.、Donahue，J.、Darrell，T.、Malik，J.：丰富的特征层次结构可用于准确的对象检测和语义分割。摘自：《IEEE计算机视觉和模式识别会议论文集》（2014），“DOI”：“10.1109\/CVPR.2014.81”}，{“key”：“57_CR10”，“DOI-asserted-by”：“crossref”，“unstructured”：“Hsu，G.S.，Ambikapathi，A.，Chung，S.L.，Su，C.P.：野外强大的车牌检测。2017年IEEE第14届高级视频和信号监控国际会议（AVSS）（2017）“，”DOI“：”10.1109\/AVSS.2017.8078493“}，{”key“：”57_CR11“，”DOI-asserted-by“：”crossref“，”unstructured“：”Hu，J.，Shen，L.，Sun，G.：挤压和激发网络。摘自：《IEEE计算机视觉和模式识别会议论文集（2018）》，“DOI”：“10.1109\/CVPR.2018.00745”}，{“key”：“57_CR12”，“unstructured”：“Hui，L.，Peng，W.，Shen，C.，Hui，L.，Penng，W.和Shen，C.:利用深度神经网络实现端到端汽车牌照检测和识别。IEEE Trans.Intell.Transp.Syst.（2017）”}，{“key”：“57_CR13”，“unstructured”：“Jaderberg，M.，Simonyan，K.，Zisserman，A.，et al.：空间变压器网络。In:Advances In Neural Information Processing Systems（2015）”}，{（密钥）：“57-CR14”，“doi-asserted-by”：“crossref”，“非结构化”：“Laroca，R.，et al.：基于yolo检测器的鲁棒实时自动车牌识别。In:2018国际神经网络联合会议（IJCNN）（2018）”，“DOI”：“10.1109\/IJCNN.2018.8489629”}，{“key”：“57_CR15”，“unstructured”：“Li，H.，Wang，P.，Shen，C.：利用深度神经网络实现端到端汽车牌照检测和识别。corr abs \/1709.08828（2017）”}，{“key”：“57_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Liu，S.，Huang，D.等人：用于精确快速物体检测的接收场块网。在：欧洲计算机视觉会议记录（ECCV）（2018）”，“DOI”：“10.1007\/978-3-030-01252-6_24”}，｛“key”：“57_CR17”，“series title”：“计算机科学讲义”，“DOI asserted by”：“publisher”，“first page”：“21”，“DOI”：“10.1007\/978-3-319-46448-0_2”，“volume-title”：“Computer Vision\u2013 ECCV 2016”，“author”：“W Liu”，“year”：“2016”，《unstructured》：“Liu，W.，et al.：SSD：单次激发多盒探测器。In:Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（eds.）ECCV 2016。LNCS，第9905卷，第21\u201337页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46448-0_2“}，{“key”：“57_CR18”，“unstructured”：“Masood，S.Z.，Shu，G.，Dehhan，A.，Ortiz，E.G.：使用深度学习的卷积神经网络进行车牌检测和识别（2017）”}，}，“key“：”57_CR19“非结构化”：“Miech，A.，Laptev，I.，Sivic，J.：视频分类的可学习池与上下文门控。arXiv预印本arXiv:1706.06905（2017）“}，{“key”：“57_CR20”，“unstructured”：“Park，J.，Woo，S.，Lee，J.Y.，Kweon，I.S.：Bam：瓶颈关注模块（2018）”}，}，“key“：”57_CR21“，”doi-asserted-by“：”crossref“，”unstructure“：”Redmon，J.，Divvala，S.，Girshick，R.，Farhadi，A.：你只看一次：统一的实时对象检测。收录：IEEE计算机视觉和模式识别会议论文集（2016）“，”DOI“：”10.1109\/CVPR.2016.91“}，{”key“：”57_CR22“，”DOI-asserted-by“：”crossref“，”unstructured“：”Redmon，J.，Farhadi，A.：Yolo9000:更好，更快，更强。收录：《IEEE计算机图像和模式识别大会论文集（2017）》，”DOI:“10.1109\/CVPR.2017.690“}，{“key”：“57_CR23”，“unstructured”：“Ren，S.，He，K.，Girshick，R.，Sun，J.：更快的R-CNN:利用区域提议网络实现实时目标检测。In:Advances In Neural Information Processing Systems（2015）”}，}，[key“：”57_CR24“，”doi-asserted-by“：”crossref“，”unstructure“：”\u0160los\u00e1r，P.，Jur\u00einek，R.，Herout，A.：廉价渲染与昂贵注释：渲染的车辆全向数据集。摘自：第30届春季计算机图形会议记录。ACM（2014）“，”DOI“：”10.1145\/26431891“}，{“key”：“57_CR25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Woo，S.，Park，J.，Lee，J.Y.，So Kweon，I.：Cbam:卷积块注意模块。In:Proceedings of the European Conference on Computer Vision（ECCV）（2018）”，“DOI”：“10.1007\/978-3-030-01234-2_1”}，“{”key“：”57_CR26“，”DOI-assert-by“：”publisher“，”first page“：”507“，”DOI“：”10.1109\/TITS.2017.2784093“，”volume“：“19”，”author“：”L Xie“，”year“：”2018“，”unstructured“：”Xie，L.，Ahmad，T.，Jin，L.、Liu，Y.，Sheng，Z.：一种新的基于CNN的多向车牌检测方法。IEEE传输。智力。运输。系统。19，507\u2013517（2018）“，“期刊标题”：“IEEE Trans。智力。运输。系统。“}，{”key“：”57_CR27“，”doi-asserted-by“：”crossref“，”unstructured“：”Xu，Z.，et al.：面向端到端车牌检测和识别：大型数据集和基线。In:《欧洲计算机视觉会议论文集》（2018）“，”doi“：”10.1007\/978-3-030-01261-8_16“}]，”container-title“：[”计算机科学讲稿“，”图像和图形“]，”original-title“：[]，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-34110-7_57“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,9,1]]，”date-time“：“2023-09-01T00:14:28Z”，“timestamp”：16935272680Z 00}，“分数”：1，“resource”：｛“primary”：｛“URL”：“https:\/\/link.springer.com\/10.1007\/978-3-030-34110-7_57”｝，“副标题”：[]，“短标题”：[]，“已发布”：｛“日期部分”：[[2019]｝，“ISBN”：[“9783030341091”，“9783030341107”]，“引用次数”：27，“URL”：“http:\/\/dx.doi.org/10.1007\/978-3-030-34110-7_57”，“关系”：｛｝，“ISS N“：[”0302-9743“，”1611-3349“]，”ISSN类型“：[｛”value“：”0302-9743“，”type“：”print“}，”{“value”：“1611-3349”，“type”：”electronic“}]，“subject”：[]，“published”：{“date-parts”：[[2019]]}，“assertion”：[{“value”：“2019年11月28日”，“order”：1，“name”：“first_online”，“label”：“first online”，”group“：{”name“：”ChapterHistory“，”label“：”“Chapter History”}}，{“value”：1，“name”：“conference_acrombit”，“label”：“会议缩写词“，”组“：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“国际图像和图形会议”，“order”：2，“name”:“Conference_name”，“标签”：“会议名称”，“group”：会议城市”，“组”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“中国”，“order”：4，“name”:“Conference_country”，“标签”：“conferency country”，”group“：{”name“：”ConferenceInformo“，”label“：”会议信息“，”label“：”Conference Information“}}，{“value”：“2019年8月23日”，“order”：7，“name”：“Conference_start_date”，“label”：“ConferenceStart date”，“group”：{“name”:“ConferenceInformation”，“标签”：“会议信息”}}会议信息“}}，{”value“：”10“，”order“：9，”name“：”Conference_number“，”label“：”ConferenceNumber“，”group“：http://www.csig.org.cn\/detail\/2669“，”order“：11，”name“：”conference_url“，”label“：”会议url“，”group“：”{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“此内容已向所有人开放。”，“name”:“free”，“标签”：“free to read”}]}}}