｛“status”：“ok”，“message type”：“work”，“message version”：“1.0.0”，“message”：｛“indexed”：｛“date parts”：[[2024,9,12]]，“date time”：“2024-09-12T01:22:37Z”，“timestamp”：1726104157632}，“publisher location”：“Cham”，“reference count”：45，“publisher”：“Springer International Publishing”，“isbn type”：[｛“type”：“print”，“value”：“9783030585358”｝，｛“type”：“electronic”，“value”：“9783030585365”｝]，“license”：[｛“start”：｛“date parts”：[[2020,1,1]]，“date time”：“2020-01-01T00:00:00Z”，“timestamp”：157783680000｝，“content version”：“tdm”，“delay in days”：0，“URL”：“https://www.springer.com\/tdm”｝，｛“start”：｛“date parts”：[[2020,1,1]]，“date time”：“2020-01-01T00:00:00Z”，“timestamp”：157783680000 6800000｝，“内容版本”：“vor”，“延迟天数”：0，“URL”：“https://www.springer.com\/tdm”}，｛“开始”：｛“日期部分”：[[2020,1,1]]，“日期-时间”：“2020-01-01T00:00:00Z”，“时间戳”：157783680000｝，“内容版本”：“tdm”，“延迟天数”：0，“URL”：“https://www.springer.com\/gp\/researchers\/text and data mining”｝，｛“开始”：｛“日期部分”：[[2020,1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“timestamp”：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\/978-3-030-58536-5_29“，“类型”：“book-chapter”，“created”：{“date-parts”：[[2020,11,2]]，“date-time”：“2020-11-02T18:02:42Z”，“timestamp”：1604340162000}，“page”：“489-506”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：0，“title”：[“Towards Automated Testing and Robustation by Semantical Adversarial Data Generation”“”]，“prefix”：“10.1007”，“author”：[{“given”：“Rakshith”，“family”：“Shetty”，“sequence”：“first”，“affiliation”：[]}parts“：[[2020,11,3]]}，”引用“：[{”键“：“29_CR1”，“unstructured”：“Alaifari，R.，Alberti，G.S.，Gauksson，T.：ADef：构建对抗变形的迭代算法。In：《国际学习表征会议（ICLR）（2019）》（Proceedings of the International Conference on Learning Representations，2019）”}，{“key”：“29-CR2”，“doi-asserted-by”：“crossref”，”非结构化：“Alcorn，M.A.，et al.：Strike（with）a姿势：神经网络很容易被熟悉物体的奇怪姿势愚弄。摘自：《IEEE计算机视觉和模式识别会议论文集》，2019年6月，“DOI”：“10.1109\/CVPR.2019.00498”}，{“问题”：“184”，“关键”：“29_CR3”，“首页”：“1”，“卷”：“20”，“作者”：“A Azulay”，“年份”：“2019”，“非结构化”：“Azulay，A.，Weiss，Y.：为什么深度卷积网络对小图像变换的推广如此之差？J.马赫。学习。研究（JMLR）20（184），2013年1月25日（2019）“，“期刊标题”：“J.Mach。学习。Res.（JMLR）“}，{“key”：“29_CR4”，“unstructured”：“Che，Z.，et al.：D2-city：各种交通场景的大规模行车记录仪视频数据集。arXiv预印本arXiv:1904.01975（2019）”}，}，“key“：”29_CR5“，”doi-asserted-by“：”crossref“，”unstructure“：”Cubuk，E.D.、Zoph，B.、Mane，D.、Vasudevan，V.、Le，Q.V.：自动增强：从数据中学习增强策略。摘自：IEEE计算机视觉和模式识别会议论文集，第113\u2013123（2019）页“，”DOI“：”10.1109\/CVPR.2019.00020“}，{“key”：“29_CR6”，“unstructured”：“Dumont，B.，Maggio，S.，Montalvo，P.：旋转等效网络对对抗扰动的鲁棒性。arXiv预印本arXiv:1802.06627（2018）”}，“key“：”29_CR7“，”series-title“：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：“375”，“doi”：“10.1007\/978-3-030-01258-8_23”，“volume-title”：“Computer Vision-ECCV 2018”，“author”：“N Dvornik”，”year“：“2018”，”unstructured“：”Dvornick，N.，Mairal，J.，Schmid，C.：建模视觉上下文是增强对象检测数据集的关键。收件人：Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（编辑）ECCV 2018。LNCS，第11216卷，第375\u2013391页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01258-8_23“}，{“key”：“29_CR8”，“doi-asserted-by”：“crossref”，“unstructured”：“Dwibedi，D.，Misra，I.，Hebert，M.：剪切、粘贴和学习：实例检测的合成异常简单。摘自：IEEE国际计算机视觉会议（ICCV）论文集，第1301\u20131310页（2017）”，“doi”：“10.1109\/ICCV.2017.146“}，{“key”：“29_CR9”，“unstructured”：“Engstrom，L.，Tran，B.，Tsipras，D.，Schmidt，L.和Madry，A.：探索空间稳健性的前景。摘自：Chaudhuri，K.，Salakhutdinov，R.（eds.）《国际机器学习会议论文集》，第97卷，第1802\u20131811页。PMLR，Long Beach，California，USA，09\u201315 June 2019“｝，｛“key”：“29_CR10”，“非结构化”：“Everingham，M.，Van Gool，L.，Williams，C.K.I.，Winn，J.，Zisserman，A.：PASCAL视觉对象类挑战2012（VOC2012）结果。http://www.PASCAL-network.org/challenges\/VOC\/VOC2012\/workplace\/index.html”｝，｛“key”：“29_CR11”，“非结构化”：“Geirhos，R.，Rubisch，P.，Michaelis，C.，Bethge，M.，Wichmann，F.A.，Brendel，W.：图像训练CNN偏向于纹理；增加形状偏差可以提高准确性和鲁棒性。In:Proceedings of the International Conference on Learning Representations（ICLR）（2019）“}，{“key”：“29_CR12”，“unstructured”：“Goodfellow，I.，et al.：Generative敌对网络。In:Advances In NeurIPS（2014）”}，“{”key“：”29_CR13“，”doi-asserted-by“：”crossref“，”unstructure“：”Hamdi，A.，Ghanem，B.：分析深层神经网络的语义稳健性。摘自：IEEE国际计算机视觉研讨会（ICCV Workshops）会议记录（2019）“，“DOI”：“10.1007\/978-3-030-66415-2_2”}，{“key”：“29_CR14”，“unstructured”：“Hendrycks，D.，Dietterich，T.：神经网络对常见腐蚀和扰动的鲁棒性基准测试。In:Proceedings of the International Conference on Learning Representations（ICLR）（2019）“}，{“key”：“29_CR15”，“unstructured”：“Hendrycks，D.，Zhao，K.，Basart，S.，Steinhardt，J.，Song，D.：自然对抗示例。arXiv预印本arXiv:1907.07174（2019Hosseini，H.，Poovendran，R.：语义对抗示例。收录于：IEEE计算机视觉和模式识别研讨会会议记录（CVPR Workshops），第1614\u20131619页（2018）“，“DOI”：“10.1109\/CVPRW.2018.00212”}，{“key”：“29_CR17”，“unstructured”：“Jakab，T.、Gupta，A.、Bilen，H.、Vedaldi，A.：通过有条件图像生成进行物体地标的无监督学习。摘自：Bengio，S.、Wallach，H.、Larochelle，H.，Grauman，K.、Cesa-Bianchi，N.、Garnett，R.（编辑）《神经信息处理系统进展》，第4016\u20134027页。Curran Associates，Inc.（2018）“}，{”key“：”29_CR18“，”unstructured“：”Jang，E.，Gu，S.，Poole，B.：“用gumbel-softmax进行类别重新参数化。In：国际学习代表大会（ICLR）（2016）会议录“}”，{“key”：“29_CR19”，“doi-asserted-by”：“crossref”，“unstructure”：“”Li，Y.J.，Lin，C.S.，Lin.，Y.B.，Wang，Y.C.F.：通过无监督姿势分离和适应对跨数据个体进行重新识别。摘自：IEEE国际计算机视觉会议（ICCV）论文集，第7919\u20137929页（2019）“，”DOI“：”10.1109\/ICCV.2019.00801“}，{“key”：“29_CR20”，“series-title”：“计算机科学讲义”，“DOI-asserted-by”：“publisher”，“first-page”：“740”，“DOI”：“10.1007\/978-319-10602-1_48”，“volume-title”：”计算机视觉-ECCV 2014“，”作者：“T-Y Lin”，“year”：“2014”，“unstructured”：“Lin，T.-Y.，et al.：Microsoft COCO:common objects in context。收录：Fleet，D.，Pajdla，T.，Schiele，B.，Tuytelaars，T.（编辑）ECCV 2014。LNCS，第8693卷，第740页\u2013755。查姆施普林格（2014）。https://doi.org\/10.1007\/978-3-319-10602-1_48“}，{“key”：“29_CR21”，“unstructured”：“Liu，H.T.D.，Tao，M.，Li，C.L.，Nowrouzezahrai，D.，Jacobson，A.：超越像素常态：使用分析可微渲染器的参数对手。In:国际学习表征会议（ICLR）（2019）论文集”}29_CR22“，”doi-asserted-by“：”crossref“，”unstructured“：”Lorenz，D.，Bereska，L.，Milbich，T.，Ommer，B.：无监督的基于零件的对象形状和外观分离。2019 IEEE \/CVF计算机视觉和模式识别会议（CVPR），第10947页\u201310956（2019）“，”DOI“：”10.1109\/CVPR.2019.01121“}，{“key”：“29_CR23”，“unstructured”：“Maddison，C.J.，Mnih，A.，Teh，Y.W.：具体分布：离散随机变量的连续松弛（2016）”}，“key“：”29_CR24“，”非结构化“：”Michaelis，C.等人：物体检测的基准鲁棒性：冬季来临时的自动驾驶。arXiv预印本arXiv:1907.07484（2019）“}，{“key”：“29_CR25”，“doi-asserted-by”：“crossref”，“unstructured”：“Park，T.，Liu，M.Y.，Wang，T.C.，Zhu，J.Y.：具有空间自适应规范化的语义图像合成。In:IEEE Conference on Computer Vision and Pattern Recognition（CVPR）（201929_CR26“，”doi-asserted-by“：”crossref“，”unstructured“：”Peyre，J.，Laptev，I.，Schmid，C.，Sivic，J.：视觉关系的弱监督学习。摘自：《IEEE国际计算机视觉会议论文集》（2017年），“DOI”：“10.1109\/ICCV.2017.554”}，{“key”：“29_CR27”，“unstructured”：“Recht，B.，Roelofs，R.，Schmidt，L.，Shankar，V.：cifar-10分类器是否概括为cifar-10-10？arXiv预印本arXiv:1806.00451（2018年）”}、{“密钥”：“29.CR28”，“非结构化”：“Recht，B.，Roelofs，R.，Schmidt，L.，Shankar，V.：ImageNet分类器是否推广到ImageNet？收录于：Chaudhuri，K.，Salakhutdinov，R.（编辑）《机器学习国际会议论文集》，第97卷，第5389\u20135400页。PMLR，美国加利福尼亚州长滩，201315年6月9日，2019年6月15日“}，{“key”：“29_CR29”，“unstructured”：“Redmon，J.，Farhadi，A.：Yolov3:增量改进。arXiv预印本arXiv:1804.02767（2018）”}，“{”key“：”29_CR30“，“series-title”：“计算机科学课堂笔记”，“doi-asserted-by”：“publisher”，“first page”：”234“，“doi”：“10.1007\/978-319-24574-4_28”，“”volume-title“：“医学图像计算和计算机辅助干预\u2013 MICCAI 2015”，“作者”：“O Ronneberger”，“年份”：“2015”，《非结构化》：“Ronneberge，O.，Fischer，P.，Brox，T.：U-Net：用于生物医学图像分割的卷积网络。收录人：Navab，N.、Horneger，J.、Wells，W.M.、Frangi，A.F.（编辑）MICCAI 2015。LNCS，第9351卷，第234\u2013241页。查姆施普林格（2015）。https:\/\/doi.org\/10.1007\/978-3-319-24574-4_28“}，{”key“：”29_CR31“，”unstructured“：”Rosenfeld，A.，Zemel，R.，Tsotsos，J.K.：房间里的大象。arXiv预印本arXiv:1808.03305（2018）“}”，{“key”：“29_CR32”，“unstructure”：“”Shankar，V.、Dave，A.、Roelofs，R.、Ramanan，D.、Recht，B.、Schmidt，L.：视频自然扰动的系统框架。摘自：《国际机器学习研讨会（ICML Workshop）会议记录》（2019）“}，{“key”：“29_CR33”，“unstructured”：“Shetty，R.，Fritz，M.，Schiele，B.：对手场景编辑：从弱监督中自动移除对象。摘自：神经信息处理系统进展（NeurIPS）（2018）”}doi-asserted-by“：”crossref“，”unstructured“：”Shetty，R.，Schiele，B.，Fritz，M.：不使用汽车看人行道——量化和控制分类和分割中上下文的影响。收录于：IEEE计算机视觉和模式识别会议论文集，第8218\u20138226页（2019）“，“DOI”：“10.1109\/CVPR.2019.00841”}，{“key”：“29_CR35”，“DOI-asserted-by”：“crossref”，“unstructured”：“Siarohin，A.，Lathuili\u00e8re，S.，Tulyakov，S.，Ricci，E.，Sebe，N.：通过深度运动传递为任意对象设置动画。摘自：IEEE计算机视觉和模式识别会议（CVPR）论文集，第2372\u20132381页（2019）“，“DOI”：“10.1109\/CVPR.2019.00248”}，{“key”：“29_CR36”，“unstructured”：“Song，Y.，Shu，R.，Kushman，N.，Ermon，S.：用生成模型构建无限制的对抗性示例。摘自：Bengio，S.、Wallach，H.、Larochelle，H.，Grauman，K.、Cesa-Bianchi，N.、Garnett，R.（编辑）《神经信息处理系统进展》，第8312\u20138323页。Curran Associates，Inc.（2018）“}，{”key“：”29_CR37“，”doi-asserted-by“：”crossref“，”unstructured“：”Stutz，D.，Hein，M.，Schiele，B.：解纠缠对抗鲁棒性和泛化。摘自：IEEE计算机视觉和模式识别会议论文集，第6976\u20136987页（2019）“，”doi“：”10.1109\/CVPR.2019.00714“}”，{“key”：“”29_CR38“，”doi-asserted-by“：”crossref“，”unstructured“：”Tripathi，S.，Chandra，S.、Agrawal，A.、Tyagi，A.、Rehg，J.M.、Chari，V.：学习通过合成生成合成数据。摘自：IEEE计算机视觉和模式识别会议（CVPR）论文集，第461\u2013470页（2019年）“，“DOI”：“10.1109\/CVPR.2019.00055”}，{“key”：“29_CR39”，“unstructured”：“Ultralytics:pytorch实现YoloV3（2019）。https:\/\/github.com\/Ultralytics\/YoloV3。访问时间：2019年11月11日Wang，H.，Wang，Q.，Yang，F.，Zhang，W.，Zuo，W.：通过渐进和选择性实例切换进行目标检测的数据增强。arXiv预印本arXiv:1906.00358（2019）“}，{“key”：“29_CR42”，“doi-asserted-by”：“crossref”，“unstructured”：“Wang，X.，Shrivastava，A.，Gupta，A.：A-fast-RCN:通过对手进行硬正生成以检测物体。摘自：IEEE计算机视觉和模式识别会议论文集，第2606\u20132615页（2017）”，“doi”：“10.1109\/CVPR.2017.324“}，{“key”：“29_CR43”，“unstructured”：“Xiao，C.，Zhu，J.Y.，Li，B.，He，W.，Liu，M.，Song，D.：空间转化的对抗性示例。In：《国际学习表征会议论文集》（ICLR）（2018）“}”，{Yu，F.等：BDD100k：异构多任务学习的多样驱动数据集。收录于：IEEE计算机视觉和模式识别会议（CVPR）论文集，第2636\u20132645页（2020）“，“DOI”：“10.1109\/CVPR42600.2020.00271”}，{“key”：“29_CR45”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhu，J.Y.，Park，T.，Isola，P.，Efros，A.A.：使用循环一致的对抗网络进行无准备的图像到图像转换。摘自：IEEE国际计算机视觉会议论文集（2017）“，”DOI“：”10.1109\/ICCV.2017.244“}]，”container-title“：[”计算机科学讲义“，”Computer Vision\u2013 ECCV 2020“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“https:\/\/link.springer.com/content\/pdf\/10.10007\/978-3030-58536-5_29“，”内容类型“：”未指定“，“内容版本”：“vor”，“预期应用程序”：“相似性检查”}]，“已存放”：｛“日期部分”：[[2024,3,13]]，“日期时间”：“2024-03-13T10:49:33Z”，“时间戳”：1710326973000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https://link.springer.com\/10.1007\/978-3-030-58536-5_29”｝，“副标题”：[]，“短标题”：[]，“已发布”：｛date-parts“：[[2020]]}，”ISBN“：[”9783030585358“，”978330585365“]，”references-count“：45，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-58536-5_29“，”relationship“：{}，“ISSN”：[”0302-9743“，”1611-3349“]，“ISSN-type”：[{“type”:“print”，“value”：“0302-974”}，{“type”：“electronic”，“value”：“1611-3349”}]，“subject”：[]，“published”：{“date-parts”：[[2020]]}，“assertion”：[{value”：“2020年11月3日”，“order”：1，“name”：“first_online”，“label”：“first online”，“group”：｛“name”：“ChapterHistory”，“label”：“ChapterHistory”｝｝，｛“value”：“ECCV”，“order”：1，“name”：“conference_a首字母缩写”，“label”：“ConferenceAcronym”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“欧洲计算机视觉会议”order“：2，”name“：”conference_name“，”label“：”会议名称“，”group“：“标签”：“会议国家/地区“，”组“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”2020“，”order“：5，”name“:”Conference_year“，”标签“：”会议年“，”group“：会议信息“，”标签“：”会议信息“}}，{“value”：“2020年8月28日”，“order”：8，“name”：“Conference_end_date”，“label”：“会议结束日期”，“group”：{“name”:“ConferenceInformo”，“table”：“Conferency Information”}}会议信息“}}，{“value”：“eccv2020”，“order”：10，“name”：“Conference_id”，“label”：“Conference id”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}}}，{“值”：“双盲”，“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”：“OpenReview”，“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”：“5025”，“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“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行评审信息（由会议组织者提供）“}}，{”value“：”0“，”order“：5，”name“:”number_ of_short_papers_Accepteded“，”table“：”已接受的短文数“，“group”：{“name”：“”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{”value“：”27%-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”：“7”，“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“：”涉及外部审阅者“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行审阅信息（由会议组织者提供）“}}，{”value“：”会议实际上是由于新冠肺炎疫情而召开的。在ECCV研讨会上，共有467篇论文发表了249篇全文、18篇短文和21篇其他稿件。“，”order“：10，”name“：”additional_info_on_review_process“，”label“：”审阅过程的附加信息“，”group“：{”name“:”ConfEventPeerReviewInformation“，”标签“：”同侪审阅信息（由会议组织者提供）“}}]}}