{“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”：[[2024,3,13]]，“日期时间”：“2024-03-13T19:12:56Z”，“时间戳”：1710357176756}，“出版商位置”：“查姆”，“参考计数”：22，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“值”：“9783030638191”，“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_44“，”类型“book-capter”，“创建“：{“date-parts”：[[2020,11,18]]，“date-time”：“2020-11-18T09:12:07Z”，“时间戳”：1605690727000}，“页面”：“386-393”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，《is-referenced-by-count》：7，“标题”：[“高效分段金字塔网络”]，“前缀”：“10.1007”，”作者“：[{”给定“Tanmay”，“family”：“Singha”，“sequence”：“first”，“隶属关系”：[]}，{“给定”：“Duc-Son”，“family”：“Pham”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Aneesh”，“家族”：“Krishna”，“serquence”:“additionable”，“filiation“：[]{”，{”given“：”Joel“，“faily”：”Dunstan“，”sequence“：”additional“，”affiliance“：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[2020,11,17]]}“reference“：[{”issue“：”12“，”key“：”44_CR1“，”doi-asserted-by“：“publisher”，“first page”：“2481”，“DOI”：“10.1109\/TPAMI.2016.2644615”，“volume”：：“39”，“author”：“V Badrinarayanan”，“year”：“2017”，“unstructured”：“Badrinaray，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。TPAMI 39（12），2481\u20132495（2017）”，“journal-title”：“TPAMI”}，{“issue”：“4”，“键“：“44_CR2”，“doi-asserted-by”：“publisher”，“first page”：“834”，“doi”：“10.1109”，TPAMI.2017.2699184“，”volume“：“40”，“author”：“LC Chen”，“year”：“2017”，“unstructured”：“Chen，L.C.，Papandreou，G.，Kokkinos，I.，Murphy，K.，Yuille，A.L.：Deeplab：使用深度卷积网络、atrous卷积和全连接crfs进行语义图像分割。TPAMI 40（4），834\u2013848（2017）“，”journal-title“：”TPAMI“}，{“key”：“44_CR3”，“doi-asserted-by”：“crossref”，“unstructured”：“Chen，L.C.，Zhu，Y.，Papandreou，G.，Schroff，F.，Adam，H.：用于语义图像分割的带atrous可分离卷积的编码器-解码器。In:Proceedings of ICCV，September 2018”，“doi”：“10.1007\/978-3-030-01234-2_49”}，“{”key“：”44_CR4“，”doi-asserted-by“：”crossref“，”unstructured“：”Cordts，M.等人：语义城市场景理解的城市场景数据集。在：CVPR会议记录，2016年6月”，“DOI”：“10.1109\/CVPR.2016.350”}，｛“issue”：“9”，“key”：“44_CR5”，“DOI断言”：“publisher”，“first page”：“1904”，“DOI”：“10.1109\/TPAMI.2015.2398824”，“volume”：“37”，“author”：“K He”，“year”：“2015”，“nonstructured”：“He，K.，Zhang，X.，Ren，S.，Sun，J.：用于视觉识别的深层卷积网络中的空间金字塔池。TPAMI 37（9），1904\u20131916（2015）“，“journal-title”：“TPAMI”}，{“key”：“44_CR6”，“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:Proceedings of CVPR，June 2016”，“doi”：“10.1109\/CVPR.2016.90”}Howard，A.G.等人：手机：用于移动视觉应用的高效卷积神经网络。arXiv预印本arXiv:1704.04861（2017）“}，{“key”：“44_CR8”，“doi-asserted-by”：“crossref”，“unstructured”：“Hu，J.，Shen，L.，Sun，G.：压缩和激发网络。In:Proceedings of CVPR，June 2018”，“doi”：“10.1109\/CVPR.2018.00745”}，}“key:”44_CR9“，“unsructured“：”Kendall，A.，Badrinarayanan，V.，Cipolla，R.：贝叶斯分段网：用于场景理解的深度卷积编码器-解码器架构中的模型不确定性。arXiv-print arXiv:1511.02680（2015）“}，{“key”：“44_CR10”，“unstructured”：“Paszke，A.，Chaurasia，A.，Kim，S.，Culurciello，E.：Enet：用于实时语义分割的深层神经网络架构。arXiv-Print arX iv:1606.02147（2016）”}，}，“key“：”44_CR11“，“unsructured“：”Poudel，R.P.，Bond，U.，Liwicki，S.，Zach，C.：Contextnet：实时探索语义分段的上下文和细节。arXiv-print arXiv:1805.04554（2018）“}，{“key”：“44_CR12”，“unstructured”：“Poudel，R.P.，Liwicki，S.，Cipolla，R.：Fast-scnn：快速语义分割网络。arXiv-预印本arXiv:1902.04502（2019）”}，}“key:”44_CR13“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“first-page”：“234”，“doi”：“”10.1007\/978-3-319-24574-4_28“，“volume-title”：“医学图像计算和计算机辅助干预\u2013 MICCAI 2015”，“author”：“O Ronneberger”，“year”：“2015年”，“unstructured”：“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\/10007\/978-3-319-24574-4_28“}，{“key”：“44_CR14”，“doi-asserted-by”：“crossref”，“unstructured”：“Sandler，M.，Howard，A.，Zhu，M.、Zhmoginov，A.，Chen，L.C.：Mobilenetv 2:倒置残差和线性瓶颈。In:Proceedings of CVPR（June 2018）”，“doi”：“10.1109\/CVPR.2018.00474”}“：”《计算机与信息科学中的通信》，“doi-asserted-by”：“publisher”，“first page”：“550”，《doi》：“10.1007\/978-3-030-36802-9_59”，“volume-title”：“神经信息处理”，“author”：“Y Shang”，“year”：“2019”，“unstructured”：“Shang，Y.，Zhong，S.，Gong，S.、Zhou，L.，Ying，W.:DXNet：一种带有XSPP的编码器-解码器架构，用于街道场景中的语义图像分割。收录人：Gedeon，T.、Wong，K.W.、Lee，M.（编辑）2019年ICONIP。CCIS，第1143卷，第550\u2013557页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-36802-9_59“}，{”issue“：”4“，”key“：”44_CR16“，”doi-asserted-by“：”publisher“，”first page“：“640”，“doi”：“10.1109\/TPAMI.2016.2572683”，“volume”：“39”，“author”：“E Shelhamer”，“year”：“2017”，“unstructured”：“Shelhamer，E.，Long，J.，Darrell，T.：语义分段的完全卷积网络。TPAMI第39（4）页，640\u2013651（2017）“，”journal-title“：”TPAMI“}，{“key”：“44_CR17”，“unstructured”：“Simonyan，K.，Zisserman，A.：用于大规模图像识别的深度卷积网络。arXiv预印本arXiv:1409.1556（2014）“}Tan，M.，Le，Q.V.：效率网：重新思考卷积神经网络的模型缩放。arXiv预印本arXiv:1905.11946（2019）“}，{“key”：“44_CR19”，“unstructured”：“Targ，S.，Almeida，D.，Lyman，K.：Resnet中的Resnet：概括剩余架构。arXiv预先印本arX iv:1603.08029（2016）”}，}“key:”44_CR20“series-title”：“计算机和信息科学中的通信”，“doi-asserted-by”：“publisher”，“first-page”：“265”，“doi”：“”10.1007\/978-3-030-36808-1_29“，“volume-title”：“神经信息处理”，“author”：“M Yang”，“year”：“2019”，“unstructured”：“Yang，M.，Shi，Y.：DSMRSeg：用于实时语义分割的双阶段特征金字塔和多范围上下文聚合。收录人：Gedeon，T.、Wong，K.W.、Lee，M.（编辑）2019年ICONIP。CCIS，第1142卷，第265\u2013273页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-36808-1_29“}，{“key”：“44_CR21”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhao，H.，Qi，X.，Shen，X.、Shi，J.，Jia，J.：ICNet用于高分辨率图像的实时语义分割。In:Proceedings of ECCV，September 2018”，“doi”：“10.1007\/978-30-01219-9_25”}，}“key:”44_CR22“，”doi-assert-by“：”crossref“，”unstructured“：”Zhao，H.，Shi，J.，Qi，X，Wang，X.，Jia，J.：金字塔场景解析网络。In:CVPR Proceedings of CVPR，July 2017“，”DOI“：”10.1109\/CVPR.2017.660“}]，”container-title“：[“Communications In Computer and Information Science”，“Neural Information Processing”]，“original-title”：[]，“link”：[{“URL”：“https:\/\/link.springer.com\/content\/pdf\/10.1007\/978-3-030-63820-7_44”，“内容类型”：“未指定”，“内容版本”：“vor”，“预期应用程序”：“相似性检查”}]，“存放”：｛“日期部分”：[[2021,4,24]]，“日期时间”：“2021-04-24T03:18:21Z”，“时间戳”：1619234301000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https:\/\/link.springer.com/10.1007\/978-3-030-63820-7_44“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2020]]}，“ISBN”：[“9783030638191”，“978330638207”]，”参考计数“：22，”URL“：”http://\/dx.doi.org\/10007\/978-30-63820-77_44“，”关系“：{}，“1865-0929”，“1865-0.937”]，“ISSN-type”：[{“value”：“1865-0829”，”type“：”print“}，{“value“：”1865-0937“，”type“：“electronic”}]，”subject“：[]，”published“：{“date-parts”：[[2020]]}，”assertion“：[{“value”：“2020年11月17日”，”order“：1，”name“：”first_online“，”label“：”first online“，“group”：：“conference acronym”，“group”：{“name”：ConferenceInfo“，”label“：”ConferenceInformation“}}，{”value“：”International Conference on Neural Information Processing“，”order“：2，”name“：”Conference_name“，”标签“：”会议名称“，”group“：会议信息“，”label“：”会议信息“}}，{”value“：”泰国“，”order“：4，”name“：”Conference_country“，”标签“：”开会国家“，”group“：}，{“value”：“2020年11月18日”，“order”：7，“name”：“conference_start_date”，“label”：“会议开始日期”，“group”：，“order”：9，“name”：“conference_number”，“label”：“conference number”，“group”：{“name”:“ConferenceInfo”，”label“：“Confection Information”}}，{“value”：“iconip2020”，“order:10，”name“：”conference_id“，”lable“：”ConferenceID“，”group“：{”name“:”ConferencieInfo“，”label“：”会议信息“}}”，{”value“：”http://www.apnns.org \/iconip2020“，”order“：11，”name“：“conference_url”，“label”：“会议url”，“group”：{“name”：“ConferenceInfo”，“标签”：“大会信息”}}：“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”：“618”，“order”：3，“name”：“number_of_submissions_sent_for-Review”，“label”：“发送供评审的提交数量”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评议信息（由会议组织者提供）”}}，{“value”：“187”，“order”：4，“name”：“number_of_full_papers_accepted”，”label“：“已接受的全文数”，“group”：{“name”:“ConfeventPeerReveewInformation“，”lable“：”同行评议信息（由会议主办方提供）“}}}：“189”，“order”：5，“name”：“number_of_short_papers_accepted”已接受的全文数\/已发送供审阅的提交数*100”，然后四舍五入为整数。“，”顺序“：6，”名称“：”acceptance_rate_of_Full_Papers“，”标签“：”全文接受率“，”组“：{”name“：”ConfEventPeerReviewInformation“，”label“：”同行审阅信息（由会议组织者提供）“}}，{”value“：”3.18“，“order”：7，“name”：“average_number_of_reviews_per_paper”，“label”：“每篇论文的平均评论数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同行评论信息（由会议组织者提供）”}}，{“value”：“3.68”，“order:8”，“group”：{“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”，“label”：“审核过程的附加信息”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行审核信息（由会议组织者提供）”}}]}}