{“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”：[[2024,9,12]，“日期时间”：“2024-09-12T00:30:00Z”，“时间戳”：1726101000420}，“出版商位置”：“Cham”，“参考计数”：40，“出版者”：“Springer International Publishing”，“isbn-type”：[{“类型”：”print“，“值”：“97830306329”}，{“type”：“电子”，“value”：“97830306336”}]，“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”}2020-01-01T00:00:00Z“，”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.springernature.com\/gp\/researters\/text-and-data-mining”}{“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\/978-3-030-60633-6_40“，“类型”：“book-chapter”，“created”：{“date-parts”：[[2020,10,10]]，“date-time”：“2020-10-10T22:02:37Z”，“timestamp”：1602367357000}，“page”：“481-492”，“update-policy”：”http://\/dx.doi.org\/10.10007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：0，“title”：[“带位置和边界指导的多人解析”]，“prefix”：“10.1007”，“author”：[{“给定”：“顺城”，“家族”：“杜”，“序列”：“第一个”，“从属关系”：[]}，{“给出”：“一刚”，“家庭”：“王”，“顺序”：“附加”，“附属关系”：[]}、{“指定”：“子照”，“家人”：“武”，“序号”：“额外”，“隶属关系”：【]}】，“成员”：“297”，“在线发布”：{“日期部分”：【2020,10，11】}，“参考“：[{”key“：”40_CR1“，”doi-asserted-by“：”crossref“，“非结构化”：“Lin，J.、Guo，X.、Shao，J.，Jiang，C.、Zhu，Y.、Zhus，S.：用于动态人机交互的虚拟现实平台。摘自：SIGGRAPH ASIA，《虚拟现实与物理现实的融合：虚拟人与环境的建模与仿真》，第11:1\u201311:4页。ACM（2016）”，“DOI”：“10.1145\/2992138.2992144”｝，｛“key”：“40_CR2”，“first page”：“3075”，“volume”：“13”，“author”：“Y Wang”，“year”：“2012”，“nonstructured”：“Wang，Y.，Tran，D.，Liao，Z.，Forsyth，D.A.：用于人类解析和动作识别的基于判别层次部分的模型。J.Mach.Learn.Res.13075\u20133102（2012）”，“journal title”：“J。机器。学习。Res.“}，{”key“：”40_CR3“，”unstructured“：”Liang，X.，Wei，Y.，Shen，X.、Yang，J.，Lin，L.，Yan，S.：实例级对象分割的无命题网络。CoRR abs \/1509.02636（2015）“}”，{“key”：“40_CR4”，“doi-asserted-by”：“crossref”，“unstructure”：“Chen，L.，Yang，Y.，Wang，J.，Xu，W.，Yuille，A.L.：关注尺度：尺度软件语义图像分割。CoRR abs \/1511.03339（2015）“，”DOI“：”10.1109\/CVPR.2016.396“}，{“key”：“40_CR5”，“DOI-asserted-by”：“crossref”，“unstructured”：“Lin，G.，Milan，A.，Shen，C.，Reid，I.D.：RefineNet：用于高分辨率语义分段的多路径优化网络。CoRR abs \/1611.06612（2016）“，“”doi-asserted-by“：”publisher“，”first page“：”115“，”doi“：”10.1109\/TPAMI.2016.2537339“，”volume“：“39”，“author”：“X Liang”，“year”：“2017”，“unstructured”：“Liang，X.，et al.：使用上下文卷积神经网络进行人体分析。IEEE Trans。模式分析。机器。智力。39（1），115\u2013127（2017）“，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”40_CR7“，”unstructured“：”Xia，F.，Wang，P.，Chen，L.，Yuille，A.L.：“缩放效果更好，更清晰：使用自动缩放网络进行人体部位分割。CoRR abs \/1511.06881（2015）“}”，{“key”：“40_CR8”，“doi-asserted-by”：“crossref”，“unstructure”：“”Xia，F.，Wang，P.，Chen，X.，Yuille，A.L.：联合多人姿势估计和语义部分分割。CoRR abs \/1708.03383（2017）“，”DOI“：”10.1109\/CVPR.2017.644“}，{“key”：“40_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhao，J.，et al.：理解拥挤场景中的人：深度嵌套对抗学习和多人解析的新基准。CoRR ab \/1804.03287（2018）”，“DOI”：“10.1145\/3240508.3240509”}，“key“：”40_CR10“，”doi-asserted-by“：”crossref“，”unstructured“：”龚，K，梁，X，沈，X，林，L：研究人：自我监督的结构敏感学习和人类解析的新基准。CoRR abs \/1703.05446（2017）“，”DOI“：”10.1109\/CVPR.2017.715“}，{”issue“：”4“，”key“：”40_CR11“，”DOI-asserted-by“：”publisher“，”first page“：“871”，“DOI”：“10.1109\/TPAMI.2018.2820063”，“volume”：“41”，“author”：“X Liang”，“year”：“2019”，“unstructured”：“Liang，X.、Gong，K.、Shen，X.和Lin，L.：研究人：关节体解析和姿势估计网络以及新的基准。IEEE Trans。模式分析。机器。智力。41（4），871\u2013885（2019）“，“期刊标题”：“IEEE Trans。模式分析。机器。智力。}，{“key”：“40_CR12”，“doi-asserted-by”：“crossref”，“unstructured”：“Boudev，L.D.，Malik，J.：Poselets：使用3D人体姿势注释训练的身体部位检测器。收录于：IEEE第十二届国际计算机视觉会议，第1365\u20131372页。IEEE Computer Society（2009）“，“DOI”：“10.1109\/ICCV.2009.5459303”}，{“key”：“40_CR13”，“DOI-asserted-by”：“crossref”，“unstructured”：“Dong，J.，Chen，Q.，Xia，W.，Huang，Z.，Yan，S.：一个带语法分析器的可变形混合句法分析模型。摘自：IEEE国际计算机视觉会议，第3408\u20133415页。IEEE Computer Society（2013）“，“DOI”：“10.1109\/ICCV.2013.423”}，{“key”：“40_CR14”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yang，Y.，Ramanan，D.：使用灵活的混合部件进行关节姿势估计。摘自：第24届IEEE计算机视觉和模式识别会议，第1385\u20131392页。IEEE Computer Society（2011）“，”DOI“：”10.1109\/CVPR.2011.5995741“}，{”key“：”40_CR15“，”series-title“：”计算机科学讲义“，”DOI-asserted-by“：”publisher“，”first page“：“519”，“DOI”：“10.1007\/978-3030-01228-1_31”，“volume-title”：“Computer Vision\u2013 ECCV 2018”，“author”：“X Nie”，“year”：“2018”，”非结构化“：”Nie，X.，Feng，J.，Yan，S.：相互学习以适应联合人体解析和姿势估计。收件人：Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（编辑）ECCV 2018。LNCS，第11209卷，第519\u2013534页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01228-1_31“}，{“key”：“40_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Long，J.，Shelhamer，E.，Darrell，T.：语义切分的完全卷积网络。CoRR abs \/1411.4038（2014）”，“doi”：“10.1109\/CVPR.2015.7298965”}，“key“：”40_CR17“，”doi-assert-by“：”Crosref“，“非结构化”：“Ronneberger，O.，Fischer，P.，Brox，T.：U-Net：生物医学图像分割的卷积网络。CoRR abs \/1505.04597（2015）“，”DOI“：”10.1007\/978-3-319-24574-4_28“}，{“问题”：“12”，“关键”：“40_CR18”，“DOI-asserted-by”：“发布者”，“首页”：“2481”，“DOI”：“10.1109\/TPAMI.2016.2644615”，“卷”：“39”，“作者”：“V Badrinarayanan”，“年份”：“2017”，“非结构化”：“Badrinarayanan，V.，Kendall，A.，Cipolla，R.：SegNet：用于图像分割的深度卷积编码器-解码器架构。IEEE传输。模式分析。机器。智力。39（12），2481\u20132495（2017）“，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“}，{“key”：“40_CR19”，“unstructured”：“Chen，L.，Papandreou，G.，Schroff，F.，Adam，H.：重新思考用于语义图像分割的累赘卷积。CoRR abs \/1706.05587（2017）”}，“key“：”40_CR20“，“doi-asserted-by”：“crossref”，“非结构化”：“Zhao，H.，Shi，J.，Qi，X.，Wang，XDOI“：”10.1109\/CVPR.2017.660“}，{“issue”：“12”，“key”：“40_CR21”，“DOI-asserted-by”：“publisher”，“first page”：”2402“，“DOI”：“10.1109\/TPAMI.2015.2408360”，“volume”：：“37”，“author”：“X Liang”，”：“year”：“2015”，“unstructured”：“Liang，X.，et al.：使用主动模板回归进行深度人工解析。IEEE Trans.Pattern Anal.Mach.Intell.37（12），2402\ u20132414（2015）”，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“｝，｛”key“：”40_CR22“，”doi asserted by“：”crossref“，”unstructured“：”Liu，S.，et al.：Matching CNN meet KNN:准参数人工解析。CoRR abs\/1504.01220（2015）“，”doi“：”10.1109\/CVPR.2015.7298748“｝，｛”key“：”40_CR23“，”doi asserted by“：”crossref“，”unstructured“：”G\u00fcler，R.A.，Neverova，N.，Kokkinos，I.：高密度糖：野外密集人类姿势估计。CoRR abs \/1802.00434（2018）“，”DOI“：”10.1109\/CVPR.2018.00762“}，{“key”：“40_CR24”，“DOI-asserted-by”：“crossref”，“unstructured”：“Li，J.，Wang，C.，Zhu，H.，Mao，Y.，Fang，H.和Lu，C.：CrowdPose：高效拥挤场景姿势估计和新基准。CoRR abs \/1812.00324（2018）”，“DOI”：“10.1109\/CVPR.2019.01112”}，}，5“，”doi-asserted-by“：”crossref“，”unstructured“：”Toshev，A.，Szegedy，C.：DeepPose：通过深度神经网络进行人体姿势估计。CoRR abs\/132.4659（2013）”，“DOI”：“10.1109\/CVPR.2014.214”}，{“key”：“40_CR26”，“DOI断言者”：“crossref”，“非结构化”：“Wei，S.，Ramakrishna，V.，Kanade，T.，Sheikh，Y.：卷积姿势机。CoRR abs\/1602.0134（2016）”，“DOI”：“10.1109\/CVPR.2016.511”}，{“key”：“40_CR27”，“DOI断言者”：“crossref”，“非结构化”：”Cao，Z.，Hidalgo，G.，Simon，T.，Wei，S.，Sheikh，Y.：OpenPose：使用部分亲和力字段的实时多人2D姿势估计。CoRR abs \/1812.08008（2018）“，”DOI“：”10.1109\/CVPR.2017.143“}，{“key”：“40_CR28”，“DOI-asserted-by”：“crossref”，“unstructured”：“Fang，H.，Xie，S.，Lu，C.：RMPE：区域多人姿势估计。CoRR ab \/1612.00137（2016）”，“DOI”：“10.1109\/ICCV.2017.256”}，“issue”：“2”，“key“：”40_CR29“，”DOI-assert-by“：“publisher”，“first page”：“386”，“DOI”：“10.1109\/TPAMI.2018.2844175“，“卷”：“42”，“作者”：“K He”，“年份”：“2020”，“非结构化”：“He，K.，Gkioxari，G.，Doll\u00e1r，P.，Girshick，R.B.：面具R-CNN。IEEE传输。模式分析。机器。智力。42（2），386\u2013397（2020）“，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“}，{”issue“：”1\u20133“，”key“：”40_CR30“，”doi-asserted-by“：”publisher“，”first page“：“3”，”doi“：”10.1007\/s11263-017-1004-z“，”volume“：“：”Int.J.Compute.Vis.“}，{”issue“：”8“，”key“：”40_CR31“，”doi-asserted-by“：”publisher“，”first-page“：”1347“，”doi“：”10.1109\/TMM.2015.243559“，”volume“：”17“，”author“：”S Liu“，”year“：”2015“，”unstructured“：”Liu，S.，Liang，X.，Liu，L.，Lu，K.，Lin，L.、Cao，X.、Yan，S.：视频上下文的时尚解析。IEEE传输。多媒体17（8），1347\u20131358（2015）“，“期刊标题”：“IEEE Trans。多媒体”}，｛“key”：“40_CR32”，“doi asserted by”：“crossref”，“nonstructured”：“Yamaguchi，K.，Kiapour，M.H.，Ortiz，L.E.，Berg，T.L.：在时尚照片中解析服装。in：2012 IEEE计算机视觉和模式识别会议，pp.3570\u20133577。IEEE Computer Society（2012）“，”DOI“：”10.1109\/CVPR.2012.6248101“}，{”key“：”40_CR33“，”DOI-asserted-by“：”crossref“，”unstructured“：”Yang，W.，Luo，P.，Lin，L.：“通过联合图像分割和标记进行服装联合解析。CoRR abs\/1502.00739（2015）“，“DOI”：“10.1109\/CVPR.2014.407”}，“key”：“40_CR34”，“DOI-assert-by”：”cross-ref“，“unstructure”：“”Bertasius，G.，Shi，J.，Torresani，L.：带边界神经场的语义分割。CoRR abs \/1511.02674（2015）“，”DOI“：”10.1109\/CVPR.2016.392“}，{“key”：“40_CR35”，“DOI-asserted-by”：“crossref”，“unstructured”：“Chen，L.，Barron，J.T.，Papandreou，G.，Murphy，K.，Yuille，A.L.：使用CNN和区分训练的域变换进行特定任务边缘检测的语义图像分割。CoRR ab \/1511.0 3328（2015）”，“DOI”：“10.1109 \/CVPR.2016.492“}，{“key”：“40_CR36”，“unstructured”：“Liu，T.，et al.：细节中的魔鬼：走向准确的单一和多重人类解析。CoRR abs \/1809.05996（2018）”}，}，“key“：”40_CR37“，”doi-asserted-by“：”crossref“，”unstructure“：”He，K.，Zhang，X.，Ren，S.，Sun，J.：图像识别的深度剩余学习。CoRR abs \/1512.03385（2015）“，”DOI“：”10.1109\/CVPR.2016.90“}，{“key”：“40_CR38”，“DOI-asserted-by”：“crossref”，“unstructured”：“Osokin，D.：CPU上实时2D多人姿势估计：轻量级OpenPose.CoRR abs \/1811.12004（2018）”，“DOI”：“10.5220\/000755407440748”}，“key“：”40_CR39“，”非结构化“：”Kendall，A.，Gal，Y.，Cipolla，R.：使用不确定性权衡场景几何和语义损失的多任务学习。CoRR abs \/1705.07115（2017）“}，{“key”：“40_CR40”，“doi-asserted-by”：“crossref”，“unstructured”：“Chen，X.，Mottaghi，R.，Liu，X.Fidler，S.，Urtasun，R..，Yuille，A.L.：检测你能做的：使用整体模型和身体部位检测和表示对象。CoRR ab \/1406.2031（2014）”，“doi”：“10.1109\/CVPR.2014.254”}]，“container-title”：[“计算机科学课堂讲稿”，“模式识别与计算机视觉”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-60633-6_40”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“日期段”：[2024,3,7]]，“date-time“：”2024-03-07T13:48:31Z“，”timestamp“：1709819311000}，”score“：1，”resource“：{主要”：{“URL”：“https:\/\/link.springer.com\/10.1007\/978-3-030-60633-6_40”}}，“副标题”：[]，“短标题”：[]，“已发布”:{“date-parts”：[2020年]}，《ISBN》：[“97830306329”，“978330606336”]，“references-count”“：40，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-60633-6_40“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”type“:”print“，”value“：”0302-7743“}，{”类型“：”electronic“，”值“：”1611-349“}]，“subject”：[]，“published”：{“date-parts”：[[2020]]}，“assertion”：[}“value”：“2020年10月11日”，“order”：1，“name”：“first_online”，“label”：“first online”，组“：{”name“：”ChapterHistory“，”label“：”章节历史“}}，{“value“：”PRCV“，”order“：1，”name“：”conference_acrombior“，”label“：”conference acronym“，“group”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“中国模式识别与计算机视觉会议（PRCV会议信息“}}，{“value”：“南京”，“order”：3，“name”：“Conference_city”，“label”：“ConferenceCity”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}order“：5，”name“：”conference_year“，”label“：”会议年份“，”group“：conference_end_date“，”label“：”会议结束日期“，”group“：“，”group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“http://www.prcv.cn\/index_en.html”，“order”：11，“name”：“Conference_url”，“label”：“ConferenceURL”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝，｛“value”：“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“：”Microsoft CMT system“，”order“：2，”name“：”conference_management_system“，“label”：”会议管理系统“，”group“：}，{“value”：“402”，“order”：3，“name”：“number_of_submissions_sent_for_review”：“接受的全文数量”，“组”：｛“名称”：“ConfEventPeerReviewInformation”，“标签”：“同行评审信息（由会议组织者提供）”｝｝，｛“值”：“0”，“顺序”：5，“名称”：“Number_of_short_Papers_Accepted”，“标签”：“接受的短文数量”，“组”：｛“名称”：“ConfEventPeerReviewInformation”，“标签”：“同行评审信息（由会议组织者提供）”}}，{“value”：“39%-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”，“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”：“4”，“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“：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}