{“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”：[2022,4,1]]，“日期时间”：“2022-04-01T04:39:31Z”，“时间戳”：16487971412}，“出版商位置”：“查姆”，“参考计数”：24，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“值”：“9783030691”，“类型”：”打印“}，{“值”：“9783030638207”，“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}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com/tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”:{“date-parts”：[2020]]}，”DOI“：”10.1007\/978-3030-63820-7_28“，”类型“book-capter”，“创建“：{“date-parts”：[[2020,11,18]]，“date-time”：“2020-11-18T09:12:07Z”，“时间戳”：1605690727000}，“页面”：“248-255”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，”source“：”Crossref“，”is-referenced-by-count“：0，”title“：[”学习和提取动作识别中运动特征的内部关系“]，”prefix“：”10.1007“，“author”：[{“given”：“Lu”，“sequence”：“first”，“affiliation”：[]}，{“given”：“Siyuan”，“family”：“Li”，“segmentation”：“additional”，“filiance”：[]}，“givent”：“Niannian”，“家族”：“Chen”，”sequence“：”additional“，”affiliance“：[]neneneep，{”given“：”Lin“，”family“：”Gao“，”segmenture“：”additional“affidiation”：[]}、{“Givented”：”：“勇”、“Fan”、“sequence:”additional“，”affiliation“：[]}，{”given“：”Yong“，“family”：“Jiang”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Ling”，“failment”：“Wu”，“serquence”:“additionable”，“abfiliance”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[2020,11,17]}；“reference”：[{“key”：”28_CR1“doi-asserted-by”：”crossref“，“unstructured”：“Carreira，J.，Zisserman，A.：Quo vadis，动作识别？新模型和动力学数据集。摘自：IEEE计算机视觉和模式识别会议记录，第6299\u20136308页（2017）“，“DOI”：“10.1109\/CVPR.2017.502”}，{“key”：“28_CR2”，“DOI-asserted-by”：“crossref”，“unstructured”：“Crasto，N.、Weinzaepfel，P.、Alahari，K.、Schmid，C.：MARS：动作识别的运动增强RGB流。摘自：IEEE计算机视觉和模式识别会议记录，第7882\u20137891页（2019）“，“DOI”：“10.1109\/CVPR.2019.00807”}，{“key”：“28_CR3”，“DOI-asserted-by”：“crossref”，“unstructured”：“Diba，A.，Sharma，V.，Van Gool，L.：深度时间线性编码网络。摘自：IEEE计算机视觉和模式识别会议记录，pp.2329\u20132338（2017）“，“DOI”：“10.1109\/CVPR.2017.168”}，{“key”：“28_CR4”，“DOI-asserted-by”：“crossref”，“unstructured”：“Feichtenhofer，C.，Pinz，A.，Zisserman，A.：视频动作识别的卷积两流网络融合。摘自：IEEE计算机视觉和模式识别会议论文集，第1933\u20131941页（2016）“，”DOI“：”10.1109\/CVPR.2016.213“}，{“key”：“28_CR5”，“DOI-asserted-by”：“crossref”，“unstructured”：“Gatys，L.A.，Ecker，A.S.，Bethge，M.：艺术风格的神经算法。arXiv预印本arXiv:1508.06576（2015）”，“DOI”：“10.1167\/16.12.326”}，“key“：”28_CR6“，”doi-asserted-by“：”crossref“，”unstructured“：”Girdhar，R.，Ramanan，D.，Gupta，A.，Sivic，J.，Russell，B.：ActionVLAD：学习动作分类的时空聚合。摘自：IEEE计算机视觉和模式识别会议记录，第971\u2013980页（2017）“，”DOI“：”10.1109\/CVPR.2017.337“}，{“key”：“28_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“Goyal，R.，et al.：the \u201csomething something \u201d video database for learning and evaluation visual commonsense。摘自：ICCV，vol.1，p.3（2017）“，”DOI“：”10.1109\/ICCV.2017.622“}，{“key”：“28_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“Hara，K.，Kataoka，H.，Satoh，Y.：时空3D CNN能追溯2D CNN和ImageNet的历史吗？In:IEEE计算机视觉和模式识别会议记录，pp.6546\u20136555（2018）”，“DOI”：“10.1109\/CVPR.2018.00685”}，}“key“：”28_CR9“，”series-title“：”计算机科学课堂讲稿“，”doi-asserted-by“：”publisher“，”first page“：“694”，”doi“：”10.1007\/978-3319-46475-6_43“，”volume-title“：“Computer Vision\u2013 ECCV 2016”，”author“：”J Johnson“，”year“：”2016“，”unstructured“：”Johnson，J.，Alahi，A.，Fei-Fei，L.：实时风格传输和超分辨率的感知损失。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9906卷，第694\u2013711页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46475-6_43“}，{“key”：“28_CR10”，“unstructured”：“Kay，W.，et al.：The dynamics human action video dataset。arXiv预印本arXiv:1705.06950（2017）”}，}，“key“：”28_CR11“，”doi-asserted-by“：”crossref“，”unstructure“：”Kim，Y.：句子分类的卷积神经网络。arXiv-print arXiv:1408.5882（2014）“，”DOI“：”10.3115\/v1\/D14-1181“}，{”key“：”28_CR12“，”unstructured“：”Liu，H.，Tu，J.，Liu，M.：基于骨架的动作识别的双流三维卷积神经网络。arXiv预印本arXiv:1705.08106（2017）“}”，{“key”：“28_CR13”，“DOI-asserted-by”：“publisher”，“first page”：”137“，”DOI“：“10.5201\/ipol.2013.26”，“卷”：“2013”，“作者”：“JS P\u00e9rez“，“年份”：“2013年”，“非结构化”：“P\u001e9rex，J.S.，Meinhardt-Llopis，E.，Facciolo，G.：Tv-l1光流估算。图像处理。第2013行，137\u2013150（2013）“，“日志标题”：“图像处理。行“}，{“issue”：“6”，“key”：“28_CR14”，“doi-asserted-by”：“publisher”，“first page”：《976》，“doi”：“10.1016\/j.imavis.2009.11.014”，《volume》：“28”，“author”：“R Poppe”，“year”：“2010”，“unstructured”：“Poppe，R.：基于视觉的人类行为识别调查。Image Vis.Compute.28（6），976\u2013990（2010）”，“journal title”：“Image Vis计算。“}，{”键“：”28_CR15“，“非结构化”：“Simonyan，K.，Zisserman，A.：视频中动作识别的双流卷积网络。In:Advances In Neural Information Processing Systems，pp.568\u2013576（2014）“}，{“key”：“28_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Tran，D.、Bourdev，L.、Fergus，R.、Torresani，L.和Paluri，M.：利用3D卷积网络学习时空特征。在：《IEEE国际计算机视觉会议论文集》，pp.4489\u20134497（2015）“，”DOI“：”10.1109\/ICCV.2015.510“｝，｛”key“：”28_CR17“，”非结构化“：”Tran，D.，Ray，J.，Shou，Z.，Chang，S.F.，Paluri，M.：时空特征学习的Convnet架构搜索。arXiv预印本arXiv:1708.05038（2017）“｝，｛”key“：”28_CR18“，”doi-asserted-by“：”crossref“，”unstructured“：”Tran，D.，Wang，H.，Torresani，L.，Ray，J.，LeCun，Y.，Paluri，M.：动作识别时空卷积的详细研究。摘自：IEEE计算机视觉和模式识别会议论文集，第6450\u20136459页（2018）“，”DOI“：”10.1109\/CVPR.2018.00675“}，{“key”：“28_CR19”，”DOI-asserted-by“：”publisher“，”first page“：”2740“，”DOI“：“10.1109\/TPAMI.2018.2868668”，“volume”：”41“，”author“：”L Wang“，”year“：”2018“，”unstructured“：”Wang，L.，Xiong，Y.，Wang，Z.，Qiao，Y.、Lin，D.、Tang，X.、Van Gool，L.：视频中动作识别的时间段网络。IEEE传输。模式分析。机器。智力。41，2740\u20132755（2018）“，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”28_CR20“，”doi-asserted-by“：”crossref“，”unstructured“：”Xie，S.，Girshick，R.，Doll\u00e1r，P.，Tu，Z.，He，K.：深度神经网络的聚合残差变换。摘自：《IEEE计算机视觉与模式识别会议论文集》，第1492\u20131500页（2017）“，”doi“：”10.1109\/CVPR.2017.634“}”，{“key”：“28_CR21”，“doi-asserted-by“：”crossref“，”unstructured“：”Xu，H.，Das，A.，Saenko，K.：R-C3D：用于时间活动检测的区域卷积三维网络。摘自：IEEE计算机视觉国际会议论文集，第5783\u20135792页（2017）“，“DOI”：“10.1109\/ICCV.2017.617”}，{“key”：“28_CR22”，“series-title”：“计算机科学讲义”，“DOI-asserted-by”：“publisher”，“first page”：”818“，“DOI”：”10.1007\/978-3-19-10590-1_53“，“volume-title”：”计算机视觉\u2013 ECCV 2014“，“author”：“MD Zeiler“，“年份”：“2014年”，“非结构化”：“Zeiler，M.D.，Fergus，R.：可视化和理解卷积网络。In：Fleet，D.，Pajdla，T.，Schiele，B.，Tuytelaars，T.（编辑）ECCV 2014。LNCS，第8689卷，第818\u2013833页。查姆施普林格（2014）。https:\/\/doi.org\/10.1007\/978-3-319-10590-1_53“}，{“key”：“28_CR23”，“unstructured”：“Zhang，J.，Shen，F.，Xu，X.，Shen和H.T.：用于区分动作表示的合作跨流网络。arXiv预印本arXiv:1908.10136（2019）”}，}，“key“：”28_CR24“，“doi-asserted-by”：“crossref”，“非结构化”：“朱，J.，朱，Z.，邹，W.：用于动作识别的端到端视频级表征学习。摘自：2018年第24届模式识别国际会议（ICPR），第645\u2013650页。IEEE（2018）“，”DOI“：”10.1109\/ICPR.2018.8545710“}]，”container-title“：[”计算机和信息科学中的通信“，”神经信息处理“]，”原始标题“：[]，”链接“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3030-63820-7_28“，”内容类型“：”未指定“，”content-version“：”vor“，”intended-application“：”相似性检查“}”，“存放”：{“日期部分”：[[2021,4,24]]，“日期时间”：“2021-04-24T22:16:54Z”，“时间戳”：1619302614000}，“分数”：1，“资源”：{“主要”：}“URL”：“https:\/\/link.springer.com\/10.1007\/978-3030-63820-7_28”}，ISBN“：[”9783030638191“，”978330638207“]，”references-count“：24，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-63820-7_28“，”关系“：{}，”ISSN“：[”1865-0929“，”1865-0.937“]，”ISSN-type“：[{”value“：”1865-0829“，“type”：“print”}，{“value”：”1865-10937“，”type“:”electronic“}]，“subject”：[]，“published”：{“date-parts”：[[2020]]}，“assertion”：[{“value”：“2020年11月17日”，“order”：1，“name”：“first_online”，“标签“：”First Online“，”group“：{”name“：”ChapterHistory“，”label“：”Chapter History”}}，{”value“：”ICONIP“，”order“：1，“name”：“conference_acrombit”，“label”：“conference-Acromnim”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}}会议名称“，”组“：{“Name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“曼谷”，“order”：3，“名称”：“Conference_city”，“标签”：“会展城市”，“group”：{名称：“ConfeenceInfo“，”label“：”会议信息“}，”{“value”：“泰国”，“订单”：4，“Name”:“Conference_country”，“table”：“会务国家”，“group”：{Name“：”会议信息“，”标签“：”会议信息“}}，{“value”：“2020”，“order”：5，“name”：“Conference_year”，“label”：“会议年”，“group”：{“name”:“ConferenceInfo”，“table”：“Conferency Information”}}、{“value”：“2020年11月18日”，“订单”：7，“name“Conference_start_date”，”标签：“会议开始日期”，“group”：{“name”∶“ConfernceInfo”会议信息“｝｝，｛“value”：“2020年11月22日”，“order”：8，“name”：“Conference_end_date”，“label”：“会议结束日期”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“27”，“order”：9，“name”：“Conference_number”，“label”：“ConferenceNumber”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“iconip2020“，”order“：10，”name“：”conference_id“，”label“：”会议id“，”group“：{”name“:”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”http://\/www.apnns.org\/iconip2020“，“order”：11，“name”：“conference_0rl”，“label”：“会议url”，“group”：{“name”:“ConferenceInformo”，”label:“会议信息“}}”，{“value”：“单盲”，“顺序”：1，“name“：”type“，”label“：”type“，”group“：同行评审信息（由会议组织者提供）“}}，{“value”：“618”，“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“：”189“，“order”：5，“name”：ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{”value“：”30%-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“：”3.18“，”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”：“3.68”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“tabel”：”同行评议资讯（由会议组织方提供）“{}}”，{（value）：“No”，“订单”：9，“name“：”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“：”由于新冠肺炎疫情，会议实际上举行了。“，”order“：10，”name“:”additional_info_on_Review_process“，”table“：”评审过程附加信息“，”组“：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}