{“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”：[[2024,9,11]]，“日期时间”：“2024-09-11T20:54:54Z”，“时间戳”：1726088094243}，“出版商位置”：“查姆”，“参考计数”：20，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“类型”：”打印“，“值”：“9783030469306”}，{“类型”：“电子”，“value”：“9783030469313”}]，“license”：[{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springernature.com\/gp\researters\/text-and-data-mining”}，{“tart”：]]，“日期时间”：“2020-01-01T00:00:00Z”，“时间戳”：1577836800000}，“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“：[2020]]}”，“DOI”：“10.1007\/978-3-06 30-46931-3_21“，”类型“：”书壳“，“created”：{“date-parts”：[[2020,6,25]]，“date-time”：“2020-06-25T23:08:49Z”，“timestamp”：1593126529000}，“page”：“222-231”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：5，“title”：[“基于DC-YOLO模型的输电线路鸟类检测”]，“prefix”：“10.1007”“，”作者“：[{”给定“：“丛”，“家族”：“邹”，“sequence”：“first”，“affiliation”：[]}，{“given”：“涌泉”，“family”：“Liang”，”sequence“：”additional“，”affiliation:[]}]，“member”：“297”，“published-online”：{“date-parts”：[2020,6,26]]}；“reference”：[{“issue”：“7553”，“key”：”21_CR1“，”doi-asserted-by“：”publisher“，“first page”：“436”，“doi”：“10.1038\/nature14539”，“volume”：“521”，“author”：“Y乐村”，“年份”：“2015年”，“非结构化”：“乐村，Y.，Bengio，Y.和Hinton，G.：深度学习。自然521（7553），436\u2013444（2015）”，“新闻标题”：“自然”}，{“关键”：“21_CR2”，“首页”：“1”，“卷标”：“深度学习”，“作者”：“I Goodfellow”，“年”：“2016”，“无结构化”：”Goodfelow，I.，BengioY.，Courville，A.：深度学习，pp.1\u201333●●●●。麻省理工学院出版社，剑桥（2016）“}，{”key“：”21_CR3“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“248”，“doi”：“10.1007\/978-3319-59126-1_21”，“volume-title”：“Image Analysis”，“author”：“IE Nordeng”，“year”：“2017”，“unstructured”：“Nordeng，I.E.，Hasan，A.，Olsen，D.，Neubert，J.：DEBC检测与深度学习。收录于：Sharma，P.，Bianchi，F.M.（编辑）SCIA 2017。LNCS，第10269卷，第248\u2013259页。查姆施普林格（2017）。https:\/\/doi.org\/10.1007\/978-3-319-59126-1_21“}，{“key”：“21_CR4”，“doi-asserted-by”：“crossref”，“unstructured”：“Girshick，R.：Fast R-CNN.In:IEEE计算机视觉国际会议论文集，pp.1440\u20131448（2015）”，“doi”：“10.1109\/ICCV.2015.169”}，}“issue”：“6”，“key“：”“21_CR15”，“doi-asserted-by”，“publisher”，首页“：”1137“，”DOI“：”10.1109\/TPAMI.2016.2577031“，”volume“：”39“，”author“：”S Ren“，”year“：”2017“，”unstructured“：”Ren，S.，He，K.，Girshick，R.，et al.：更快的R-CNN：通过区域提议网络实现实时目标检测。IEEE传输。模式分析。机器。智力。39（6），1137\u20131149（2017）“，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“｝，｛”key“：”21_CR6“，”doi asserted by“：”crossref“，”nonstructured“：”Girschick，R.，Donahue，J.，Darrell，T.等人：用于精确对象检测和语义分割的丰富特征层次结构。在：IEEE计算机视觉和模式识别会议，pp.580\u2013587（2014）“，”doi“：”10.1109\/CVPR.2014.81“｝，｛”key“：”21_CR7“，”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：单次多盒探测器。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9905卷，第21\u201337页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-464480-2“｝，｛“key”：“21_CR8”，“doi asserted by”：“crossref”，“unstructured”：“Tumas，P.，Serackis，A.：基于YOLOv3的自动图像注释。摘自：2018年IEEE第六届信息、电子和电气工程进展研讨会（AIEEE），第1\u20133页。IEEE（2018）”，“DOI”：“10.1109\/AIEE.2018.8592167”}，｛“key”：“21_CR9”，“DOI断言”：“crossref”，“非结构化”：“Qu，H.，Yuan，T.，Sheng，Z.，et al.：一种基于YOLOv3模型和Retinex增强图像的行人检测方法。摘自：2018年第11届国际图像和信号处理、生物医学工程和信息学大会（CISP-BMEI），第1\u20135页。IEEE（2018）“，“DOI”：“10.1109\/CISP-BMEI.2018.8633119”}，{“key”：“21_CR10”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yu，F.，Koltun，V.，Funkhouser，T.：扩展剩余网络。摘自：IEEE计算机视觉和模式识别会议记录，第472_2013480（2017）页”，“DOI:”10.1109\/CVPR.2017.75“}，”{“issue”：“14”，“key“：”21_CR11“，”doi-asserted-by“：”publisher“，”first page“：”19945“，”doi“：”10.1007\/s11042-019-7377-y“，”volume“：“78”，”author“：”y Wang“，”year“：”2019“，”unstructured“：”Wang，y.，Wang，G.，Chen，C.，Pan，Z.：卷积神经网络的多尺度扩张卷积用于图像去噪。Multimed公司。工具应用程序。78（14），19945\u201319960（2019）“，“新闻标题”：“多媒体。工具应用程序。“}，{”issue“：”14“，”key“：”21_CR12“，”doi-asserted-by“：”publisher“，”首页“：”18689“，”doi“：”10.1007\/s11042-018-5653-x“，”volume“：“77”“，”author“：”DM Vo“，“year”：“2018”，”unstructured“：”Vo，D.M.，Lee，S.W.：使用具有多尺度图像和多尺度扩展卷积的全卷积神经网络进行语义图像分割。Multimed公司。工具应用程序。77（14），18689\u201318707（2018）“，“新闻标题”：“多媒体。工具应用程序。“}，{”issue“：”sup2“，”key“：”21_CR13“，”doi-asserted-by“：”publisher“，“first page”：“27”，”doi“：”10.1080\/24699322.201649071“，”volume“：“24”，”author“：”L Geng“，”year“：”2019“，”unstructured“：”Geng，L.，Zhang，Tong，J.，Xiao，Z.：基于VGG-16网络的扩张卷积肺分割方法。计算机辅助外科学24（sup2），27\ u201333（2019）“，”journal-title“：”计算。协助。Surg.“}，{“key”：“21_CR14”，“doi-asserted-by”：“crossref”，“unstructured”：“Bodla，N.，Singh，B.，Chellappa，R.，et al.：Soft-NMS\u2013用一行代码改进目标检测。摘自：IEEE国际计算机视觉会议论文集，pp.5561\u20135569（2017）”，“doi”：“10.1109\/ICCV.2017.593”}，}，“key“：”21_CR15“，”doi-assert-by“：”crossref”，“非结构化”：“He，K.，Zhang，X.，Ren，S.，et al.：图像识别的深度残差学习。摘自：IEEE计算机视觉和模式识别会议，拉斯维加斯，第770\u2013778页（2016）“，“DOI”：“10.1109\/CVPR.2016.90”}，{“key”：“21_CR16”，“DOI-asserted-by”：“crossref”，“unstructured”：“Lin，T.Y.，Doll\u00e1r，P.，Girshick，R.等人：用于目标检测的特征金字塔网络。摘自：《IEEE计算机视觉和模式识别会议记录》，第2117\u20132125页（2017）“，“DOI”：“10.1109\/CVPR.2017.106”}，{“key”：“21_CR17”，“unstructured”：“Redmon，J.，Farhadi，A.：YOLOv3：增量改进。摘自：IEEE计算机图像和模式识别大会，第89\u201395页（2018）”}、{“issue”：“5”，“key“：”21_CR18“，”doi-asserted-by“：”publisher“，”first page“：”562“，”doi“：”10.1109\/T-C.1971.223290“，”volume“：“20”，”author“：”A Rosenfeld“，”year“：”1971“，“unstructured”：”Rosenfell，A.，Thurston，M.：视觉场景分析的边缘和曲线检测。IEEE传输。计算。20（5），562\u2013569（1971）“，“期刊标题”：“IEEE Trans。计算。“}，{”key“：”21_CR19“，”series-title“：”计算机科学课堂讲稿“，”doi-asserted-by“：”publisher“，”first page“：“192”，”doi“：”10.1007\/978-3319-45886-1_16“，”volume-title“：“模式识别”，”author“：”J Hosang“，”year“：”2016“，”unstructured“：”Hosang，J.、Benenson，R.、Schiele，B.：非最大抑制的卷积。收录人：Rosenhahn，B.，Andres，B.（编辑）GCPR 2016。LNCS，第9796卷，第192\u2013204页。查姆施普林格（2016）。https:\/\/doi.org\/10007\/978-3-319-45886-1_16“}，{“key”：“21_CR20”，“doi-asserted-by”：“crossref”，“unstructured”：“Hosang，J.，Benenson，R.，Schiele，B.：学习非最大值抑制。摘自：2017 IEEE计算机视觉和模式识别会议论文集，美国夏威夷州火奴鲁鲁，6469\u20136477。IEEE（2017）“，”DOI“：”10.1109\/CVPR.2017.685“}]，”container-title“：[”IFIP Advances in Information and Communication Technology“，”Intelligent Information Processing X“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/link.springer.com\/content\/pdf\/10007\/978-3-030-46931-3_21“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2024,6,26]]，”date-time“：”2024-06-26T00:06:27Z“，”timestamp“：1719360387000}，”score“：1，”resource“：{primary”：{“URL”：“https:\/\/link.springer.com\/10007\/978-3-030-46931-3_21”}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-part”：[2020]]}，“ISBN”：[“9783030469306”，“9783030469313“]，”references-count“：20，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-46931-3_21“，”relationship“：{}，”ISSN“：[”1868-4238“，”1868-428X“]，“ISSN-type”：[{“type”:“print”，“value”：“1868-4238}，{“type”：“electronic”，“value”：”1868-42.2X“}]，“subject”：[]，“published”：{“date-pa”rts“：[[2020]]}，”断言“：[{“value”：“2020年6月26日”，“order”：1，“name”：“first_online，“label”：“first online”，“group”：{“name”：“ChapterHistory”，“label:”Chapter History“}}，{“value”：“IIP”，“order”：1，“name”:“conference_acrombit”，“table”：“conference acronym”，“group”:{“name:”ConferenceInfo“，”label“：”ConferenceInformation“}，”value“：”智能信息处理国际会议“，”order“：2，”name“：”conference_name”，“label”：“ConferenceName”，“group”：{“name”：“ConferenceInfo”，“label”：“ConferenceInformation”}}，{“value”：“Hangzhou”，“order”：3，“name”：“conference_city”，“label”：“ConferenceCity”，“group”：{“name”：“ConferenceInfo”，“label”：“ConferenceInformation”}}，{“value”：“China”，“order”：4，“name”：“conference_country”，“label”：“ConferenceCountry”，“group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”2020“，”order“：5，”name“:”Conference_year“，”tabel“：“会议年份”，“group”：{“name”：“ConferenceInformo”，“label”：“会议信息”}，“value”：“2020年7月3日”，“order”：7，“name“，”标签“：”会议信息“}}，{“value”：“2020年7月6日”，“order”：8，“name”：“Conference_end_date”，“label”：“Conference end date”，“group”：{“名称”：“会议信息”，“标签”：“会务信息”}}iip2020“，”order“：10，”name“：”conference_id“，”label“：”会议id“，”group“：value“：”Single-blind“，”order“：1，”name“：”type“，”label“：”type“，”group“：｛”name“：”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“｝｝，｛”value“：”EasyChair“，”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”：“36”，“order”：3，“name”：“number_of_submissions_sent_for_Review”，“label”：“发送供评审的提交数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息”（由会议主办方提供）number_of_full_papers_accepted”，“label”：“接受的全文数量”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“5”，“order”：5，“name”：“number_of_short_papers_accepted”，“label”：“接受的短文数量”，“group”：｛“name”：“ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{”value“：”67%-该值由等式“接受的全文数”/“发送供评审的提交数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_Full_Papers“，”标签“：”全文接受率“，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{”value“：”3“，”order“：7，”name“:”average_number_of_reviews_per_paper“，”标签“：”每篇论文的平均评论数“，”google“：同行评议信息（由会议组织者提供）“}}，{“value”：“3”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由大会组织者提供）”}}external_reviewers_involved“，”label“：”涉及的外部审阅者“，”group“：