｛“status”：“ok”，“message type”：“work”，“message version”：“1.0.0”，“message”：｛“indexed”：｛“date parts”：[[2024,7,28]，“date time”：“2024-07-28T21:15:42Z”，“timestamp”：1722201342730｝，“publisher location”：“Cham”，“reference count”：44，“publisher”：“Springer International Publishing”，“isbn type”：[｛“value”：“9783030586034”，“type”：“print”｝，｛“value”：“9783030586041”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}0:00:00Z“，”时间戳“：1577836800000}，”内容版本“：”vor“，“delay-in-days”：0，“URL”：“http:\/\/www.springer.com\/tdm”}，{“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.springer.com\/tdm”}1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“时间戳”：1577836800000}，“内容版本”：“vor”，“延迟天数”：0，“URL”：“https://\\www.springer.com\/tdm”}]，“内容域”：｛“域”：[“link.springer.com”]，“交叉标记限制”：false｝，“短容器标题”：[]，“已发布的印刷品”：｛“日期部分”：[[2020]]｝，“DOI”：“10.1007\/978-3-030-58604-1_4”，“类型”：“书籍章节”，“创建”：｛“日期部分”：[[2020,11,2]]，“日期时间”：“2020-11-02T22:02:49Z”，“时间戳”：1604354569000}，“页面”：“54-69”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：31，”title“：[”带双多标签预测的自适应对象检测“]，”prefix“：”10.1007“，”author“：[{”given“Zhen”，“family”：“Zhao”，“sequence”：“first”“”，“affiliation”：[]}，{“given”：“Yuhong”，“family”：“Guo”，“sequence”：“additional”，“affaliation”（附加）：[]}3]]}，“引用”：[{“键”：“4_CR1”，“doi-asserted-by”：“crossref”，“unstructured”：“Cai，Q.，Pan，Y.，Ngo，C.W.，Tian，X.，Duan，L.，Yao，T.：探索跨域检测平均教师中的对象关系。in:CVPR（2019）”，“doi”：“10.1109\/CVPR.2019.01172”}，{“key”：“4_CR2”，“doi-asserted-by”：：“Chen，Y.，Li，W.，Sakaridis，C.，Dai，D.，Van Gool，L.：用于野外目标检测的域自适应更快的R-CNN。in:CVPR（2018）”，“DOI”：“10.1109\/CVPR.2018.00352”}，{“key”：“4_CR3”，“DOI-asserted-by”：“crossref”，“unstructured”：“Choi，J.，Kim，T.，Kin，C.：使用基于GAN的数据增强进行自集成，以适应语义分段中的域。in：ICCV（2019）”，“DOI”：“10.1109\/ICCV.2019.00693”}，{“key”：“4_CR4”，“DOI-asserted-by”：“crossref”，“unstructured”：“Cicek，S.，Soatto，S.：通过规则化条件对齐进行无监督域适应。arXiv预打印arXiv:1905.10885（2019）”，“DOI”：“10.1109\/ICCV.2019.00150”}，{“key”：“4_CR5”，“DOI-asserted-by”：“crossref”，“unstructured”：“Cordts，M.，et al.：城市场景语义理解的城市场景数据集。In:CVPR（2016）”，《DOI》：“10.1109\/CVPR.2016.350”}，{“key”：“4_CR6”，“unstructured”：“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目标检测。In:NIPS（2016）”}、{“key”：《4_CR7》，“unsructured（非结构化）：“Dziugaite，G.K.，Roy，D.M.，Ghahramani，Z.：通过最大平均偏差优化训练生成性神经网络。In:UAI（2015）”}，{“key”：“4_CR8”，“doi-asserted-by”：“crossref”，“unstructured”：“Everingham，M.，Van Gool，L.，Williams，C.K.，Winn，J.，Zisserman，A.：pascal visual object classes（voc）challenge.IJCV（2010）”，“doi”：“10.1007\/s11263-009-0275-4”}，{：“Ganin，Y.，Lempitsky，V.：通过反向传播进行无监督的域自适应。In:ICML（2015）”}，{“key”：“4_CR10”，“doi-asserted-by”：“crossref”，“unstructured”：“Gainin，Y..，et al.：神经网络的域变量训练。JMLR（2016）”，“doi”：“10.1007\/978-3-19-58347-1_10”}、{“key”：：“Girshick，R.：Fast R-CNN.In:ICCV（2015）”，“DOI”：“10.1109\/ICCV.2015.169”}，{“key”：“4_CR12”，“DOI-sserted-by”：“crossref”，“unstructured”：“Girishick，R，Donahue，J.，Darrell“”：“Gong，Y.，Jia，Y.，Leung，T.，Toshev，A.，Ioffe，S.：多标签图像注释的深度卷积排名。在：ICLR（2014）”}中，{“key”：“4_CR14”，“unstructured”：“Goodfellow，I.，et al.：生成对抗性网络。在：NIPS（2014）”}中，{“key”：“4_CR15”，“doi由”断言：“crossref”，“unstructured”：“He，K.，Gkioxari，G.，Doll\u00e1r，P.，Girshick，R.：Mask R-CNN.In:ICCV（2017）”，“DOI”：“10.1109\/ICCV.2017.322”}，{“key”：“4_CR16”，“DOI-asserted-by”：“crossref”，“unstructured”：“He-K.，Zhang，X.，Ren，S.，Sun，J.：图像识别的深度剩余学习。In:CVPR（2016）”，：“4_CR17”，“DOI-asserted-by”：“crossref”，“unstructured”：“He，Z.，Zhang，L.：无限制目标检测的多变量faster-RCNN。In:ICCV（2019）”，“DOI”：“10.1109\/ICCV.2019.00677”}，{“key”：“4_CR18”，“DOI-asserted-by”：“crosref”，”unstructure“：“Inoue，N.，Furuta，R.，Yamasaki，T.，Aizawa，K.：通过渐进域自适应进行跨域弱监督对象检测。In:CVPR（2018）”，“DOI”：“10.1109\/CVPR.2018.00525”}，{“key”：“4_CR19”，“DOI-asserted-by”：“crossref”，“unstructured”：“Kim，T.、Jeong，M.、Kim，S.、Choi，S.和Kim，C.：多样化和匹配：用于对象检测的域自适应表示学习范式。In:CVPR（2019）”，“DOI”：“10.1109\/CVPR.2019.01274”}，{“key”：“4_CR20”，“DOI-asserted-by”：“crossref”，“unstructured”：“Kulis，B.，Saenko，K.，Darrell，T.：你看到的并不是你得到的：使用非对称内核转换的域自适应。In：CVPR（2011）”，“DOI”：“10.1109\/CVPR.2011.5995702”}，{“key”：“4_CR21”，“DOI-asserted-by”：“crossref”，“unstructured”：“Lin，T.Y.，Doll\u00e1r，P.，Girshick，R.，He，K.，Hariharan，B.，Belongie，S.：用于对象检测的特征金字塔网络。In:CVPR（2017）”，“DOI”：“10.1109\/CVPR.2017.106”}，{“key”：“4_CR22”，“DOI-asserted-by”：“crossref”，“unstructured”：“Lin，T.Y.，Goyal，P.，Girshick，R.，He，K.，Doll\u00e1r，P.：密集目标检测的焦点丢失。In:ICCV（2017）”，“DOI”：“10.1109\/ICCV.2017.324”}，{“key”：“4_CR23”，“series-title”：“计算机科学课堂笔记”，“DOI-asserted-by”：“publisher”，“first page”：”21“DOI“10.1007\/978-319-46448-0_2”，“volume-title”：“Computer Vision\u2013 ECCV 2016”，“author”：“W Liu”，“year”：“2016年”，“unstructured”：“Liu，W.，et al.：SSD：单发多盒探测器。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”：“4_CR24”，“doi-asserted-by”：“crossref”，“unstructured”：“Long，J.，Shelhamer，E.，Darrell，T.：语义分段的完全卷积网络。In:CVPR（2015）”，“doi”：“10.1109\/CVPR.2015.7298965”}，}“keys”：“4-CR25”，“非结构化”：“Long，M.，Cao，Z.，Wang，J.，Jordan，M.I.：条件对抗域适应。In:NIPS（2018）“}，{“key”：“4_CR26”，“unstructured”：“van der Maaten，L.，Hinton，G.：使用t-SNE可视化数据。JMLR（2008）”}，}，“key“：”4_CR27“，”unstructure“：”Mirza，M.，Osindero，S.：条件生成对抗网。arXiv预印本arXiv:1411.1784Redmon，J.，Farhadi，A.：Yolov3：渐进式改进。arXiv预印本arXiv:1804.02767（2018）“}，{“key”：“4_CR29”，“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:NIPS（2015）”}，}，“key“：”4_CR30“，”doi-asserted-by“：”crossref“，”unstructure“：”Russo，P.，Carlucci，F.M.，Tommasi，T.，Caputo，B.：从源到目标再到源：对称双向自适应GAN。In:CVPR（2018）“，”DOI“：”10.1109\/CVPR.2018.00845“}，{“key”：“4_CR31”，“DOI-asserted-by”：“crossref”，“unstructured”：“Saito，K.，Ushiku，Y.，Harada，T.，Saenko，K.：自适应目标检测的强-弱分布对齐。In:CVPR“非结构化”：“Sakaridis，C.，Dai，D.，Van Gool，L.：用合成数据进行语义模糊场景理解。IJCV（2018）“，”DOI“：”10.1007\/s11263-018-1072-8“}，{“key”：“4_CR33”，“DOI-asserted-by”：“crossref”，“unstructured”：“Shen，J.，Qu，Y.，Zhang，W.，Yu，Y.：Wasserstein距离引导表征学习用于领域适应。In:AAAI（2018）”，“DOI”：“10.1609\/aaaai.v32i1.11784”}，“key“：”4_CR34“，“unstrained”：”Shen，Z.，Maheshwari，H.，Yao，W.，Savvides，M.：SCL：通过基于梯度分离的堆叠互补损失实现准确的域自适应目标检测。arXiv预印本arXiv:1911.02559（2019）“}，{“key”：“4_CR35”，“unstructured”：“Simonyan，K.，Zisserman，A.：用于大规模图像识别的深度卷积网络。arXiv前印本arX iv:1409.1556（2014）”}，}，“key“：”4_CR36“，”doi-asserted-by“：”crossref“，”unstructure“：”Szegedy，C.，et al.：用卷积深入研究。In:CVPR（2015）“，”doi“：”10.1109\/CVPR.2015.7298594“}，{“key”：“4_CR37”，“doi-asserted-by”：“crossref”，“unstructured”：“Tsai，Y.H.，Hung，W.C.，Schulter，S.，Sohn，K.，Yang，M.H.，Chandraker，M.：学习使用结构化输出空间进行语义分割。In:CVPR（2018）”，“doi”：“10.1109\/CVPR.2018.00780”}，}，“key“：”4_CR38“，”doi-assert-by“：”Crosref“，“非结构化”：“Tsai，Y.H.，Sohn，K.，Schulter，S.，Chandraker，M.：通过区分表示实现结构化输出的域适应。In：ICCV（2019）“，”DOI“：”10.1109\/ICCV.2019.00154“}，{“key”：“4_CR39”，“DOI-asserted-by”：“crossref”，“unstructured”：“Tzeng，E.，Hoffman，J.，Saenko，K.，Darrell，T.：对抗性区分域适配。In：CVPR（2017）”，“DOI”：“10.1109\/CVPR.2017.316”}，“key“：”4_CR40“：”Xie，R.，Yu，F.，Wang，J.，Wang.，Y.，Zhang，L.：跨域检测的多级域自适应学习。In:ICCV（2019）“，”DOI“：”10.1109\/ICCVW.2019.00401“}，{“key”：“4_CR41”，“unstructured”：“Zhang，M.L.，Zhou，Z.H.：多标签神经网络及其在功能基因组学和文本分类中的应用。TKDE（2006）”}，“{”key“：”4_CR42“，”DOI-asserted-by“：”crossref“，”unstructure“：”Zhang，Y.，David，P.，Gong，B.：城市场景语义分割的课程领域自适应。在：ICCV（2017）“，”DOI“：”10.1109\/ICCV.2017.223“｝，｛”key“：”4_CR43“，”DOI断言者“：”crossref“，”非结构化“：”Zhao，H.，Shi，J.，Qi，X.，Wang，X.，Jia，J.：金字塔场景解析网络。在：CVPR（2017）“，”DOI“：”10.1109\/CVPR.2017.660“｝，｛”key“：”4_CR44“，”DOI断言者“：”crossref“，”非结构化“：”Zhu，X.、Pang，J.、Yang，C.、Shi，J.和Lin，D.：通过选择性跨域对齐调整目标检测器。In:CVPR（2019）“，”DOI“：”10.1109\/CVPR.2019.00078“}]，”container-title“：[”Computer Vision\u2013 ECCV 2020“，”计算机科学讲义“]，”original-title”：[]，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.10007\/978-3-030-58604-1_4“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”相似性检查“}”]，“deposed”：{“date-parts”：[[2022,11,26]]，“date-time”：“2022-11-26T07:42:32Z”，“timestamp”：1669448552000}，“score”：1，“resource”：{“primary”：}“URL”：“https:\/\/link.springer.com\/10007\/978-3030-58604-1_4”}}，”subtitle“：[]，”shorttitle“：[]，”issued“83030586034“，”978303058.6041“]，”references-count“：44，”URL“：“http://\/dx.doi.org \/10.1007\/978-3-030-58604-1_4”，“关系”：{}，“ISSN”：[“0302-9743”，“1611-3349”]，“ISSN-type”：[{“value”：“0302-7743”2020年11月3日“，”订单“：1，”名称“：”first_online“，”标签“：”first online“，“group”：{“name”：“ChapterHistory”，“label”：“ChapterHistory”}}，{“value”：“ECCV”，“order”：1，“name”:“conference_acrombit”，“标签”：“会议缩写”，“group”：{”name“：“ConferenceInfo”，”label“：“会议信息，“label”：“Conference Information”}}，{“value”：“Glasgow”，“order”：3，“name”：“Conference_city”，“lable”：“Meeting city”，“group”：{“name”:“ConferenceInfo”，“标签”：“Feeting Information”{}，}“value”：“United Kingdom”，“订单”：4，“name“Conference_country”，“table”：”Conference-country“，”group“：{”name“ConferrenceInfo”，{“value”：“2020”，“order”：5，“name”：“conference_year”，“label”：“会议年份”，“group”：{“name”:“ConferenceInfo”，“table”：“Conferency Information”}}，{“value”：“2020年8月23日”，“订单”：7，“name“：”conference_start_date“，”label“：”会议开始日期“，”group“：{”name“：：8，“name”：“conference_end_date”，“label”：“会议结束日期”，“group”：{“name”:“ConferenceInfo”，”label“：“Conferency Information”}}，{“value”：“16”，“order”：9，“name“：”conference_number“，”lable“：”conference_number，“标签”：“会议ID”，“组”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“https:\/\/eccv2020.eu\/”，“order”：11，“名称”：“Conference_url”，“标签”：“大会url”，“group”：{“name”:“ConferenceInfo”“组”：{“名称”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“OpenReview”，“order”：2，“name”：“conference_management_system”，“table”：“会议管理系统”，“group”：，｛“value”：“5025”，“order”：3，“name”：“number_of_submissions_sent_for-review”，“label”：“发送审查的提交数量”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行审查信息（由会议组织者提供）”｝，｛“value”：“1360”，“order”：4，“name”：“number_of_full_papers_accepted”，“label”：“接受的全文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“0”，“order”：5，“name”:“Number_of_short_Papers_Accepted”，“标签”：“已接受的短文数”：“同行评议信息（由会议组织者提供）”}}，{“value”：“27%-该值由等式“接受的全文数”/“发送供审阅的提交数*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”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（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”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“Yes”，“订单”：9，“name“：”external_reviewers_involved“，”label“：”涉及外部审阅者“，”group“用法：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“由于新冠肺炎疫情，会议实际上举行了。”，“order”：10，“name”:“additional_info_on_Review_process”，“标签”：“评审过程的附加信息”，“group”：{：“同行评审信息（由会议组织者提供）”}}]}}