{“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”：[[2023,12,29]]，“日期时间”：“2023-12-29T11:53:16Z”，“时间戳”：1703850796375}，“出版商位置”：“查姆”，“参考计数”：14，“出版者”：“斯普林格国际出版公司”，“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_56“，”类型“book-capter”，“创建“：{“date-parts”：[[2020,11,18]]，“date-time”：“2020-11-18T09:12:07Z”，“时间戳”：1605690727000}，“页面”：“488-496”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：3，”title“：[”MultiTune:图像分类多个精细调整模型的自适应集成“]，”prefix“：”10.1007“，”author“：[{”given“Yu”，“family”：“Wang”，“sequence”：“first”，“affiliation”：[]}，{“given”：“Jo”，“family”：“Plested”，”sequence“：”additional“，”affiliance“：[]{”given“：”Tom“，”family“：”Gedeon“，”se序列“：”附加“，”从属关系“：[]}，“member”：“297”，“published-online”：{“date-parts”：[2020,11,17]}；“reference”：[{“key”：”56_CR1“，”series title“：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：“329”，“DOI”：“10.1007\/978-3-319-10584-0_22”，“volume-title”：“Computer Vision\u2013 ECCV 2014”，“author”：“P Agrawal”，“year”：“2014”，《unstructured》：“Agrawall，P.，Girshick，R.，Malik，J.：分析用于对象识别的多层神经网络的性能。In:Fleet，D.，Pajdla，T.，Schiele，B.，Tuytelaars，T.（eds.）ECCV 2014。LNCS，第8695卷，第329\u2013344页。查姆施普林格（2014）。https:\/\/doi.org\/10.1007\/978-3-319-10584-0_22“}，{“问题”：“9”，“密钥”：“56_CR2”，“doi-asserted-by”：“出版商”，“首页”：“1790”，“doi”：“10.1109\/TPAMI.2015.2500224”，“卷”：“38”，“作者”：“H Azizpour”，“年份”：“2016”，“非结构化”：“Azizpour，H.，Razavian，A.S.，Sullivan，J.，Maki，A.，Carlsson，S.：通用convnet表示的可转移因子。IEEE传输。模式分析。机器。智力。38（9），1790\u20131802（2016）“，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“｝，｛”key“：”56_CR3“，”doi asserted by“：”crossref“，”非结构化“：”Deng，J.，Dong，W.，Socher，R.，Li，L.J.，Li，K.，Fei Fei，L.:ImageNet：一个大型层次图像数据库。In：CVPR 2009（2009）“，”doi“：”10.1109\/CVPR.2009.5206848“｝，｛”key“：”56_CR4“，”doi asserted by“：”crossref“，”非结构化“：”Guo，Y.，Shi，H.，Kumar，A.，Grauman，K.，Rosing，T.，Feris，R.S.：SpotTune：通过自适应微调进行转移学习。2019 IEEE \/CVF计算机视觉和模式识别会议（CVPR），第4800\u20134809（2019）页“，”DOI“：”10.1109\/CVPR.2019.00494“}，{“key”：“56_CR5”，“DOI-asserted-by”：“crossref”，“unstructured”：“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“：”56_CR6“，”doi-asserted-by“：”crossref“，”unstructured“：”Kornblith，S.，Shlens，J.，Le，Q.V.：更好的图像网模型传递得更好吗？摘自：IEEE计算机视觉和模式识别会议记录，第2661\u20132671页（2019）“，“DOI”：“10.1109\/CVPR.2019.00277”}，{“key”：“56_CR7”，“unstructured”：“Krizhevsky，A.，Sutskever，I.，Hinton，G.E.：使用深度卷积神经网络进行ImageNet分类。In:Advances In Neural Information Processing Systems，pp.1097\u20131105（2012）“}，{“key”：“56_CR8”，“unstructured”：“Li，X.，Grandvalet，Y.，Davoine，F.：卷积网络迁移学习的显式归纳偏差。CoRR（2018）”}，}“key:”56_CR9“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“第一页“：”312“，”DOI“：”10.1007\/978-3030-36708-4_26“，”volume-title“：”神经信息处理“，”author“：”J Plested“，”year“：”2019“，”unstructured“：”Plested.，J.，Gedeon，T.：深度神经网络中转移学习协议之间的交互分析。收录人：Gedeon，T.、Wong，K.W.、Lee，M.（编辑）2019年ICONIP。LNCS，第11953卷，第312\u2013323页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-36708-4_26“}，{”key“：”56_CR10“，”unstructured“：”Rebuffi，S.，Bilen，H.，Vedaldi，A.：“使用剩余适配器学习多个可视域。CoRR（2017）”}，}，“key”：“56_CR11”，“doi-asserted-by”：“crossref”，“unstructure”：“”Rebuffi，S.，Bilen，H.，Vedaldi，A.：多域深度神经网络的有效参数化。收录于：2018 IEEE计算机视觉与模式识别会议（CVPR），第8119\u20138127页（2018年）“，”DOI“：”10.1109\/CVPR.2018.00847“}，{“key”：“56_CR12”，“unstructured”：“Simonyan，K.，Zisserman，A.：用于大规模图像识别的非常深卷积网络。收录：国际学习表征会议（2015年）”}56_CR13“，”doi-asserted-by“：”crossref“，”unstructured“：”Torrey，L.，Shavlik，J.：转移学习。收录：机器学习应用研究手册。IGI Global（2009）“，”DOI“：”10.4018\/978-1-60566-766-9.ch011“}，{”key“：”56_CR14“，”unstructured“：”Yosinski，J.，Clune，J.、Bengio，Y.、Lipson，H.：深度神经网络中的特征如何转移？in:Advances in neural Information Processing Systems，pp.3320\u20133328（2014）“}]，”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\/10007\/978-3-030-63820-7_56”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“相似性检查”}，“存放”：{“日期部分”：[2022,11,28]]，“日期时间”：“2022-11-28T15:57:24Z“，”timestamp“：1669651044000}，”score“：1，”resource“：{”primary”：{“URL”：“https:\/\/link.springer.com/10.1007\/978-3030-63820-7_56”}}，“subtitle”：[]，“shorttitle”：[]，“issued”:{“date-parts”：[2020]]}，《ISBN》：[“9783030638191”，“978330638207”]，“references-count”：14，“URL”“http://\/dx.doi.org\/10.1007\/978-3-030-63820-7_56”，“关系”：{}，“ISSN”：[“1865-0929”，“1865-0737”]，“ISSN-type”：[{“value”：“1865-029”，“type”:“print”}，{“value”：“865-0937”，“type”：“electronic”}]，“subject”：【】，“published”：{“date-parts”：【2020年】}，“assertion”：【{“值”：“2020年11月17日”，“order”：1，“name”：“first_online”，“label”：“first online”，”“group“：{”name“：”ChapterHistory“，”label“：”章节历史“}}，{”value“：”ICONIP“，“order”：1，“name”：“conference_acrombior”，“label”：“conference-Acrombion”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}，{“value”：“神经信息处理国际会议”，“orders”：2，“name“：”conference_name“，”label“：”会议名称“，”group“：{”name“：“ConfenceInfo”：“曼谷”，“order”：3，“name”：“conference_city”，“label”：“ConferenceCity”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}，{“value”：“泰国”，“订单”：4，“name“：”conference_country“，”label“：”conference_country“，年”，“label”：“会议年份”，“group”：{“name”：“ConferenceInfo”，“label:”会议信息“}}，{“value”：“2020年11月18日”：“会议结束日期”，“组”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“27”，“order”：9，“名称”：“Conference_number”，”label“：”会议编号“，”group“：{”name“：”ConferenceInformo“，”label:“ConferencieInfo”}，“value“：”iconip2020“，”order“：10，”name“:”Conference_id“，”标签“：”大会id“，”组“：”{“name:”会议信息“，“label”：“Conference Information”}}，{“value”：“http://\/www.apnns.org\/ICONIP2020”，“order”：11，“name”：“Conference_url”，“labels”：“会议url”，“group”：{“name”:“ConferenceInfo”，”label“：”ConferenceInformation“}，”{“value”：“Single-blind”，”order“：1，”name“：”type“，”labels“：”type“，”group“：{”name“ConfEventPeerReviewInformation“，”标签“：“同行评审信息（由会议组织者提供）”}}，{“value”：“CMT”，“order”：2，“name”：“conference_management_system”，“label”：“conference management system”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行审议信息（由大会组织者提供）：“number_of_submissions_sent_for_review”，“label”：“发送供审阅的提交数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“标签”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“187”，”order“：4，”name“：”number _of_full_papers_accepted“，”label“：”接受的全文数“，”group“：{”name“：“ConfEventPeerReviewInformation”，“label”：“同行评议信息（由会议组织者提供）”}}，{“value”：“189”，“order”：5，“name”：“number_of_short_papers_accepted”，”label“：“接受的短文数”，“group”：{“name”:“ConfeventPeerReveewInformation“，”lable“：”同行评议信息（由会议主办方提供）“}}”，{“value”：“30%-该值由等式“接受的全文数”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”，“标签”：“同行评议信息（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”，“table”：“同行评审信息（由大会组织者提供）：“average_number_of_papers_per_reviewer”，“label”：“每位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”：“No”，“order”：9，“name”:“external_reviewers_involved”：“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”：“同行评审信息（由会议组织者提供）”}}]}}