{“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”：[[2024,6,22]]，“日期时间”：“2024-06-22T06:46:04Z”，“时间戳”：1719038764906}，“出版商位置”：“查姆”，“参考计数”：60，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“值”：“9783030668228”，“类型”：”打印}，{“值”：“9783030668235”，“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\/978-3-030-66823-5_23”，“type”：“book-chapter”，“created”：{“date-parts”：[2021,1,2]，“date-time”：“2021-01-02T07:03:14Z”，“时间戳”：1609570994000}，“页面”：“387-405”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“family”：“Ortega”，“sequence”：“first”，“affiliation”：[]}，{“given”：“Neslihan”，“faily”：”Kose“，”sequence“：”additional“，”affiliance“：[]{”given“：”Paola“，”family“：”Ca\u00f1as“，”序列“：”附加“，”从属“：[]}，“givent”：“Min-An”，“家庭”：“Chao”，“序列”：“additional”，“从属关系”：[]{“Givent”：“Alexander”，“family”：“Unnervik”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Marcos”，“family”：“Nieto”，“sequence”：“additive”，“abfiliation“：[]{”given“：”Oihana“，”family“：”Otaegui“，”sequence“：”additional“，”affiliance“：[]}，“givent”：“Luis”，“家族”：“Salgado”，“序列”：“附加”，“从属关系”：[]{，“member”：“297”，“published-on-line”：{日期部分“：[[2021,1,3]]}，”引用“：[{”键“：“23_CR1”，“非结构化”：“Abouelnaga，Y.，Eraqi，H.M.，Moustafa，M.N.：实时分心驾驶员姿势分类。摘自：第32届神经信息处理系统会议（NIPS 2018）（2018）”}，{“key”：“23-CR2”，“doi-asserted-by”：“crossref”，”非结构化：“Abraham，H.，Reimer，B.，Mehler，B.：高级驾驶员辅助系统（ADAS）：考虑驾驶员对培训、使用和实施的看法。摘自：《人类因素与人类工效学学会学报》，第1954\u20131958（2017）页，“DOI”：“10.1177\/1541931213601967”}，{“issue”：“6”，“key”：“23_CR3”，“DOI-asserted-by”：“publisher”，“first-pages”：“35”，“DOI:”10.1109\/MSP.2016.2602379Aghaei，A.S.等人：智能驾驶员监控：当信号处理满足人为因素时：在驾驶员座椅上。IEEE信号处理。Mag.33（6），35\u201348（2016）“，“期刊标题”：“IEEE信号处理。Mag.“}，{”issue“：“2”，”key“：“23_CR4”，”doi-asserted-by“：”publisher“，”first page“：”965“，”doi“：”10.1109\/TITS.2013.2247759“，”volume“：：”14“，”author“：”C Ahlstrom“，”year“：”2013“，”unstructured“：”Ahlstrom.C.，Kircher，K.，Kircher，A.：基于视线的驾驶员分心警告系统及其对视觉行为的影响。IEEE Trans.Intell.Transp.Syst.14（2），965\u2013973（2013）“，”期刊标题“：”IEEE Trans。智力。运输。系统。“}，{”key“：”23_CR5“，”doi-asserted-by“：”crossref“，”unstructured“：”Baccour，M.H.，Driewer，F.，Kasneci，E.，Rosenstiel，W.：用于评估驾驶员睡意的基于摄像头的眨眼检测算法。摘自：IEEE Intelligent Vehicles Symposium，pp.866\u2013872（2019）“，”doi“：”10.1109\/IVS.2019.8813871非结构化”：“Borghi，G.，Venturelli，M.，Vezzani，R.，Cucchiara，R.：POSEidon：用于驾驶员姿势估计的脸距深度。摘自：IEEE计算机视觉和模式识别会议（CVPR），第5494\u20135503页（2017）“，”DOI“：”10.1109\/CVPR.2017.583“}，{“key”：“23_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“Carreira，J.，Zisserman，A.：Quo-vadis，action Recognition？新模型和动力学数据集。In:IEEE Conference on Computer Vision and Pattern Recognition（CVPR）（2017）“，”DOI“：”10.1109\/CVPR.2017.502“}，”{“issue”：“8”，”key“：”23_CR8“，”DOI-serted-by“：”publisher“，”first page“：“3055”，”DOI:“10.1109\/JSEN.2018.2807245”，“volume”：“18”，“author”：“A Chowdhury”，“year”：“2018”，“unstructured”：“”Chowdhury，A.，Shankaran，R.，Kavakli，M.，Haque，M.M.：传感器在驾驶员睡意检测中的应用和生理特征：综述。IEEE Sens.J.18（8），3055\u20133067（2018）“，“journal-title”：“IEEE Sens.J.”}，{“key”：“23_CR9”，“unstructured”：“Craye，C.，Karray，F.：使用RGB-D传感器的驾驶员分心检测和识别。CoRR（2015）”}、{“key”：”23_CR10“，”doi-asserted-by“：”crossref“，”unstructure“：”Das，N.、Ohn-Bar，E.、Trivedi，M.M.：关于驾驶员手部检测算法的性能评估：挑战、数据集和指标。摘自：IEEE智能交通系统国际会议，第2953\u20132958页（2015）“，“DOI”：“10.1109\/ITSC.2015.473”}，{“key”：“23_CR11”，“DOI-asserted-by”：“crossref”，“unstructured”：“Deng，J.，Dong，W.，Socher，R.，Li，L.，李，K.，李，F.F.：ImageNet：大型分层图像数据库。摘自：IEEE计算机视觉和模式识别会议（CVPR）（2009）“，”DOI“：”10.1109\/CVPR.2009.5206848“}，{“key”：“23_CR12”，“unstructured”：“Deo，N.，Trivedi，M.M.：观察自动车辆中的驾驶员/驾驶员以预测接送准备情况。CoRR（2018）“}10.1016\/j.asoc.2016.04.027“，”volume“：”45“，”author“：”K Diaz-Chito“，”year“：”2016“，”unstructured“：”Diaz-Cchito，K.，Hern\u00e1ndez-Sabat\u00e 9，A.，L\u00f3pez，A.M.：驾驶员头部姿势估计的简化特征集。申请。软计算。J.45，98\u2013107（2016）”，“期刊标题”：“应用。软计算。J.“}，{”key“：“23_CR14”，”doi-asserted-by“：”publisher“，”first page“：”2636“，”doi“：”10.1073\/pnas.1513271113“，“volume”：“113”，“author”：“TA Dingus”，“year”：“2016”，“unstructured”：“Dingus，T.A.等人：使用自然驾驶数据进行驾驶员车祸风险因素和患病率评估。Proc.Natl.Acad.Sci.U.S.A.113，266\u20132641（2016）”，“journal-title“：”程序。国家。阿卡德。科学。美国“}，{”key“：”23_CR15“，”doi-asserted-by“：”crossref“，”unstructured“：”Eraqi，H.M.，Abouelnaga，Y.，Saad，M.H.，Moustafa，M.N.：驾驶员分心识别与卷积神经网络集成。J.Adv.Transp.2019（2019）“，”doi“：”10.1155\/2019\/4125865“}”，{“key”：“23_CR16”，“unstructure”：“”欧洲委员会：建立一个单一的欧洲运输区域的路线图，以建立一个具有竞争力和资源效率的运输系统。技术报告，欧盟委员会（2011）“}，{“key”：“23_CR17”，“unstructured”：“Fang，J.，Yan，D.，Qiao，J.、Xue，J.：DADA:事故场景下驾驶员注意力预测的大型基准和模型（2019）”}，}，“issue”：“11”，“key“：“23-CR18”，“doi-asserted-by”：“publisher”，“first page”：”1“，“doi”：“10.3390\/s16111805”，“volume”：作者”：“Fern\u00e1ndez”，“年份”：“2016”，“非结构化”：“Fern\u00e1ndez，A.，Usametiaga，R.，Car\u00fas，J.L.，Casado，R.：使用基于视觉的传感器和算法分散驾驶员注意力。Sensors 16（11），1\u201344（2016）“，“journal-title”：“Sensors”}，{“key”：“23_CR19”，“unstructured”：“Fridman，L.：以人为中心的自动车辆系统：有效共享自治原则。CoRR（2018）”}、{“key”：”23_CR20“非结构化”：“Goenetxea，J.、Unzueta，L.、Elordi，U.、Ortega，J.D.、Otaegui，O.：多屏幕上的有效单目模糊点估计和驾驶员行为分析的3D人脸跟踪。摘自：第六届驾驶员分心和注意力不集中国际会议，pp.1\u20138（2018）“}，{“key”：“23_CR21”，“doi-asserted-by”：“crossref”，“unstructured”：“Hara，K.，Kataoka，H.，Satoh，Y.：时空三维CNN能追溯2D CNN和ImageNet的历史吗？摘自：IEEE计算机视觉和模式识别会议（CVPR）（2018）”，“doi”：“10.1109\/CVPR.2018.00685“}，{“key”：“23_CR22”，“doi-asserted-by”：“crossref”，“unstructured”：“He，K.，Zhang，X.，Ren，S.，Sun，J.：图像识别的深度残差学习。In:IEEE Conference on Computer Vision and Pattern recognition（CVPR）（2016）”，“doi”：“10.1109\/CVPR.2016.90”}英特尔：OpenVINO-开发多平台计算机视觉解决方案。https:\/\/software.intel.com/en-us\/openvino-toolkit“}，{”key“：”23_CR24“，”unstructured“：”Jacob\u00e9 de Naurois，C.，Bourdin，C.，Stratulat，A.，Diaz，E.，Vercher，J.L.：使用人工神经网络模型检测和预测驾驶员睡意。Accid.Anal.Prev.126，95\u2013104（2019）“}”，{“key”：“23_CR25”，“unstructure”：“”Janai，J.、G\u00fcney，F.、Behl，A.、Geiger，A.：自动车辆的计算机视觉：问题、数据集和最新技术。J.照片。Remote Sens.（2017）“}，{“key”：“23_CR26”，“doi-asserted-by”：“crossref”，“unstructured”：“K\u00f6p\u00fckl\u00fc，O.，K\u006se，N.，Gunduz，A.，Rigoll，G.：资源高效的3D卷积神经网络。CoRR（2019）”，“doi”：“10.1109\/ICCVW.2019.00240”}，“key“：”23_CR27“，”doi-assert-by“：”crossref.“非结构化”：“”K\u00f6p\u00fckl\u00fc，O.，K\u0f6se，N.，Rigoll，G.：运动融合帧：手势识别的数据级融合策略。收录于：IEEE计算机视觉和模式识别会议（2018）”，“DOI”：“10.1109\/CVPRW.2018.00284”}，{“key”：“23_CR28”，“DOI-asserted-by”：“crossref”，“unstructured”：“K\u00f6se，N.，K\u001f6p\u00fckl\u00fc，O.，Unnervik，A.，Rigoll，G.：使用基于CNN的时空方法进行实时驱动程序状态监测。在：IEEE智能交通系统会议（ITSC）（2019）“，”DOI“：”10.1109\/ITSC.2019.8917460“}，{“key”：“23_CR29”，“DOI-asserted-by”：“crossref”，“unstructured”：“Le，T.H.N.，Quach，K.G.，Zhu，C.，Duong，C.N.，Luu，K.，Savvides，M.：车辆和野外的稳健手部检测和分类。摘自：IEEE计算机视觉和模式识别会议（CVPR）研讨会，第1203\u20131210页（2017）“，“DOI”：“10.1109\/CVPRW.2017.159”}，{“key”：“23_CR30”，“DOI-asserted-by”：“crossref”，“unstructured”：“Le，T.H.N.，Zheng，Y.，Zhu，C.，Luu，K.，Savvides，M.：驾驶员手机使用和方向盘手动检测的多尺度快速RCNN方法。在：IEEE计算机视觉与模式识别会议（CVPR）研讨会，pp.46\u201353（2016）“，”DOI“：”10.1109\/CVPRW.2016.13“｝，｛”key“：”23_CR31“，”系列标题“：”计算机科学讲义“，”DOI断言“：”出版商“，”首页“：”122“，”DOI“：”10.1007\/978-3-030-01264-9_8“，”卷标题“：”计算机视觉\u2013 ECCV 2018“，”作者“：”N Ma”，“年份”：“2018年”，“非结构化”：“Ma，N.，Zhang，X.，Zheng，H.-T.，Sun，J.：ShuffleNet V2:高效CNN架构设计的实用指南。收件人：Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（编辑）Computer Vision\u2013 ECCV 2018。LNCS，第11218卷，第122\u2013138页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01264-9_8“}，{“问题”：“3”，“密钥”：“23_CR32”，“doi-asserted-by”：“出版商”，“首页”：“545”，“doi”：“10.1109\/TITS.2016.2582900”，“卷”：“18”，“作者”：“B Mandal”，“年份”：“2017”，“非结构化”：“Mandal，B.，Li，L.，Wang，G.S.，Lin，J.：基于对眼睛状态的稳健视觉分析来检测公交车驾驶员疲劳。IEEE传输。智力。运输。系统。18（3），545\u2013557（2017）“，“期刊标题”：“IEEE Trans。智力。运输。系统。“}，{”key“：”23_CR33“，”doi-asserted-by“：”crossref“，”unstructured“：”Martin，M.，et al.：驱动与行为：自动驾驶车辆中细粒度驾驶员行为识别的多模式数据集。in:IEEE国际计算机视觉会议（ICCV），第2801\u20132810页（2019）“，”doi“：”10.1109\/ICCV.2019.00289“}”，{“key”：“23_CR34”，“doi-assert-by”：“”crossref“，”unstructured“：”Massoz，Q.，Langohr，T.，Fran\u00e7ois，C.，Verly，J.G.：ULg多模态睡意数据库（称为DROZY）和使用示例。摘自：IEEE计算机视觉应用冬季会议（WACV），第1\u20137页（2016）“，”DOI“：”10.1109\/WACV.2016.7477715“}，{”key“：”23_CR35“，”DOI-asserted-by“：”publisher“，”first page“：“1019”，”DOI:“10.1177\/0018720819856454”，“volume”：“62”，“author”：“AD McDonald”，“year”：“2019”，“unstructured”：“McDonald，A.D.，Ferris，T.K.，Wiener，T.A.：驾驶员分心的分类：特征生成、机器学习和输入测量的综合分析。嗯。因素J。嗯。因素Ergon。Soc.62，1019\u20131035（2019）“，“新闻标题”：“Hum.Factors J.Hum.Factors Ergon。Soc.“}，{“key”：“23_CR36”，“doi-asserted-by”：“crossref”，“unstructured”：“Mioch，T.，Krono，L.，Neerincx，M.A.：调节从自动化向人工控制转变的驾驶员准备模型。In：智能用户界面国际会议，IUI，pp.205\u2013213（2017）”，“doi”：“10.1145\/3025171.3025199”}doi-asserted-by“：”crossref“，”unstructured“：”Ohn-Bar，E.，Trivedi，M.M.：力量在你手中：自然主义视频中手势的3D分析。摘自：IEEE计算机学会计算机视觉和模式识别会议（CVPR）研讨会，第912\u2013917页（2013）“，“DOI”：“10.1109\/CVPRW.2013.134”}，{“key”：“23_CR38”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ortega，J.D.、Nieto，M.、Salgado，L.、Otaegui，O.：驾驶员监控系统中眨眼检测的用户自适应眼睑孔径估计。摘自：第六届国际汽车技术和智能运输系统会议记录-第1卷：VEHITS，第342\u2013352页。INSTICC，SciTePress（2020）“，”DOI“：”10.5220\/0009369003420352“}，{”issue“：”7“，”key“：”23_CR39“，”DOI-asserted-by“：”publisher“，”first page“：“1720”，“DOI”：“10.1109\/TPAMI.2018.2845370”，“volume”：“41”，“author”：“A Palazzi”，“year”：“2018”，“unstructured”：“Palazzi，A.，Abati，D.，Calderara，S.，Solera，F.，Cucchiara，R.：预测驱动因素\u2019的关注焦点：DR（眼睛）VE项目。IEEE传输。模式分析。机器。智力。41（7），1720\u20131733（2018）“，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“｝，｛”key“：”23_CR40“，”doi asserted by“：”publisher“，”首页“：”900“，”doi“：”10.1109\/TITS.2019.2901817“，”volume“：”21“，”author“：”A Rasouli“，”year“：”2019“，”非结构化“：”Rasouli，A.，Tsotsos，J.K.：与行人互动的自动驾驶汽车：理论与实践调查。IEEE Trans.Intell.Transp.Syst.21900\u2013918（2019）“，”journal-title“：”IEEE Trans。智力。运输。系统。“}，{”key“：”23_CR41“，”doi-asserted-by“：”crossref“，”unstructured“：”Roth，M.，Gavrila，D.M.：DD-pose-大型驾驶员头部姿势基准。摘自：IEEE智能车辆研讨会，第927\u2013934页（2019）“，”doi“：”10.1109\/IVS.2019.8814103“}”，{“key”：“23_CR42”，“unstructure”：“”SAE国际：道路机动车辆驾驶自动化系统相关术语的分类和定义。技术报告，SAE International（2018）“}，{“key”：“23_CR43”，“doi-asserted-by”：“crossref”，“unstructured”：“Sandler，M.，Howard，A.，Zhu，M.、Zhmoginov，A.，Chen，L.C.：MobileNetV2:反向残差和线性瓶颈。In:IEEE Conference on Computer Vision and Pattern Recognition（CVPR）（2018）”，“doi”：“10.1109\/CVPR.2018.00474”}，“issue”：“12“，”key“：”23_CR44“，”doi-asserted-by“：”publisher“，”first-pages“：”1638“，”doi“：”10.1109\/TKDE.2007.190663“，”volume“：“19”，”author“：”K Sarinnapakorn“，”year“：”2007“，”unstructured“：”Sarinnapakorn，K.，Kubat，M.：在文本分类中结合子类：基于DST的解决方案和案例研究。IEEE传输。知识。Data Eng.19（12），1638\u20131651（2007）“，“期刊标题”：“IEEE Trans。知识。Data Eng.“}，{“key”：“23_CR45”，“doi-asserted-by”：“crossref”，“unstructured”：“Schwarz，A.，Haurilet，M.，Martinez，M.、Stiefelhagen，R.：Driveahead\u2013大型驾驶员头部姿势数据集。摘自：IEEE计算机视觉与模式识别会议（CVPR）研讨会，第1165\u20131174页（2017）”，“doi”：“10.1109\/CVPRW.2017.155”}，“问题”：“6”，“key“：”23_CR46“，”doi-asserted-by“：”publisher“，”first page“：“2339”，”doi“：”10.1109\/TITS.2018.2868499“，“volume”：“20”，“author”：“G Sikander”，“year”：“2019”，“unstructured”：“Sikanders，G.，Anwar，S.：驾驶员疲劳检测系统：综述。IEEE传输。智力。运输。系统。20（6），2339\u20132352（2019）“，“期刊标题”：“IEEE Trans。智力。运输。系统。“}，{”key“：”23_CR47“，”doi-asserted-by“：”crossref“，”unstructured“：”Smith，B.，Yin，Q.，Feiner，S.，Nayar，S.:凝视锁定：用于人-物交互的被动眼睛接触检测。摘自：ACM用户界面软件与技术研讨会（UIST），第271\u2013280页，2013年10月“，”doi“：”10.1145\/2501988.2501994“}”，{“key”：“23_CR48”，“unstructure”：“”StateFarm:State Farm分散驾驶员检测（2016）。https:\/\/www.kaggle.com/c\/state-farm-distracted-driver-detection。访问日期：2020年3月4日“}，{“key”：“23_CR49”，“doi-asserted-by”：“crossref”，“unstructured”：“Szegedy，C.，Ioffe，S.，Vanhoucke，V.，Alemi，A.A.：Inception-v4，Incepton-ResNet and the impact of remain connections on learning。In:AAAI Conference on Artificial Intelligence，pp.3547\u20133554（2017）”，“doi”：“10.1609\/aaaai.v31i1.11231”}，}，“key“：”23_CR50“，”doi-asserted-by“：”crossref“，”unstructured“：”Szegedy，C.，Vanhoucke，V.，Ioffe，S.，Shlens，J.，Wojna，Z.：重新思考计算机视觉的初始架构。在：IEEE计算机视觉和模式识别会议（CVPR）（2016）“，”DOI“：”10.1109\/CVPR.2016.308“｝，｛”key“：”23_CR51“，”DOI断言“：”crossref“，”非结构化“：”Tran，D.、Bourdev，L.、Fergus，R.、Torresani，L.和Paluri，M.：利用3D卷积网络学习时空特征。In:IEEE国际计算机视觉会议（ICCV）（2015）“，”DOI“：”10.1109\/ICCV.2015.510“}，{”key“：”23_CR52“，”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。在：IEEE计算机视觉和模式识别会议（CVPR）（2018）“，”DOI“：”10.1109\/CVPR.2018.00675“}，{“key”：“23_CR53”，“DOI-asserted-by”：“crossref”，“unstructured”：“Trutschel，U.，Sirois，B.，Sommer，D.，Golz，M.，Edwards，D.：PERCLOS：过去的警觉措施。摘自：第六届驾驶员评估、培训和车辆设计中的人为因素国际驾驶研讨会，第172\u2013179页（2011）“，”DOI“：”10.17077\/drivingsassessment.1394“}，{“key”：“23_CR54”，“series-title”：“计算机科学讲义”，“DOI-asserted-by”：“publisher”，“first page”：”20“，“DOI”：“10.1007\/978-3-196484-8_2”，“volume-title”：Computer Vision \u2013 ECCV 2016”，“author”：“L Wang”，“year”：“2016年”，“unstructured”：“Wang，L.等：时间段网络：走向深度行动识别的良好实践。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9912卷，第20\u201336页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46484-8_2“}，{“问题”：“11”，“密钥”：“23_CR55”，“doi-asserted-by”：“出版商”，“首页”：“2740”，“doi”：“10.1109\/TPAMI.2018.2868668”，“卷”：“41”，“作者”：“L Wang”，“年份”：“2019”，“非结构化”：“Wang，L.等：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（11），2740\u20132755（2019）“，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”23_CR56“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“117”，”doi“：”10.1007\/978-3319-54526-4_9“，”volume-title“：“Computer Vision\u2013 ACCV 2016 Workshops”，“author”：“C-H Weng”，“year”：“2017”，“unstructured”：“”Weng，C.-H.，Lai，Y.-H.，赖，S.-H.：通过分层时间深度信念网络检测驾驶员睡意。收录：Chen，C.-S.，Lu，J.，Ma，K.-K.（编辑）ACCV 2016。LNCS，第10118卷，第117\u2013133页。查姆施普林格（2017）。https:\/\/doi.org\/10.1007\/978-3-319-54526-4_9“}，{“key”：“23_CR57”，“unstructured”：“Xia，Y.，Zhang，D.，Pozdnukhov，A.，Nakayama，K.，Zipser，K.和Whitney，D.：培训一个像人类驾驶员一样参与的网络可以避免常见但具有误导性的损失函数，第1\u201314页。arXiv:1711.0（2017）“}，{“key”：“23_CR58”，“系列标题”：“计算机科学讲义”，“doi断言者”：“出版商”，“首页”：“318”，“doi”：“10.1007\/978-3-030-01267-0_19”，“卷标题”：“计算机视觉\u2013 ECCV 2018”，“作者”：“S Xie”，“年份”：“2018”，“非结构化”：“Xie，S.，Sun，C.，Huang，J.，Tu，Z.，Murphy，K.：重新思考时空特征学习：视频分类中的速度-准确性权衡。收件人：Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（编辑）ECCV 2018。LNCS，第11219卷，第318\u2013335页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01267-0_19“}，{”issue“：”3“，”key“：”23_CR59“，”doi-asserted-by“：”publisher“，”first-page“：”418“，”doi“：”10.1109\/21.155943“，“volume”：“22”，“author”：“L Xu”，“year”：“1992”，“unstructured”：“Xu，L.，Krzyzak，A.，Suen，C.Y.：组合多个分类器的方法及其在手写识别中的应用。IEEE传输。系统。人类网络。22（3），418\u2013435（1992）“，“期刊标题”：“IEEE Trans。系统。人类网络。“}，{”key“：”23_CR60“，”unstructured“：”Zhang，X.，Sugano，Y.，Fritz，M.，Bulling，A.：MPIIGaze:真实世界数据集和基于深度外观的凝视评估。CoRR（2017）“}]，”container-title“：[”Computer Vision\u2013 ECCV 2020 Workshops“，”Computers Science中的讲稿“]，”original-title”：[]，“link”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-66823-5_23“，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[[2022,12,10]]，“date-time”：”2022-12-10T07:01:44Z“timestamp”：1670655704000}，“score”：1，“resource”：{“primary”：“{”URL“：”https:\/\/link.springer.com/10.1007\/978-3-030-66823-5_23“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2020]]}，“ISBN”：[“9783030668228”，“978330668235”]，”引用计数“：60，”URL“：”http://\/dx.doi.org\/10007\/978-30-66823-5-5_23”，“关系”：{}，“：[”0302-9743“，”1611-3349“]，“ISSN-type”：[{“value”：“0302-974”，“type”:“print”}，{”value“：”1611-3349“，”type“：“electronic”}]，”subject“：[]，”published“：{”date-parts“：[[2020]]}，”assertion“：[{”value“:”2021年1月3日“，”order“：1，”name“：”first_online“，”label“：”first online“，“group”：{“name”：“ChapterHistory”，”label:“Chapter History“}}，{“value”：“ECCV”，“order”：1，“name”:“conference_acrombit”，“label”：“conference acronym”，“group”：{“name”：ConferenceInfo“，”label“：”ConferenceInformation“}}，{”value“：”European Conference on Computer Vision“，”order“：2，”name“：”Conference_name“，”标签“：”会议名称“，”group“：label“：”Conference Information“}}，{“value”：“United Kingdom”，“order”：4，“name”：“Conference_country”，“label”：“ConferenceCountry”，”group“：{”name“：”ConferenceInfo“，”label“:”Conferencation“}，”value“：”2020“，”order“：5，“name2020年8月23日“，”order“：7，”name“：”conference_start_date“，”label“：”会议开始日期“，”group“：”{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“2020年8月28日”，“order”：8，“name”:“conference_end_date”，“”name“：”conference_number“，”label“：”会议编号“，”group“：{“name”：”ConferenceInfo“，“label”：”会议信息“}}，{“value”：”eccv2020“，”order“：10，”name“：“conference_id”，”label:“会议id”，“group”:{“name:”ConferenceInfo““conference_url”，“label”：“会议URL“，”group“：{”name“：”ConferenceInfo“，”label“：”conferenceInformation“}}，”value“：”Double-blind“，”order“：1，”name“:”type“，“label”：“type”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label:”Peer Review Information（由会议组织者提供）“}}}”，{“value”：“OpenReview”，“order”：2，“name”:“Conference_management_system”，“label“：”会议管理系统“，”group“：{“name”：“ConfEventPeerReviewInformation”，“label”：“Peer Review信息（由会议组织者提供）”}}，{“value”：“5025”，“order”：3，“name”:“number_of_submissions_sent_for_Review”，“table”：“发送供审阅的提交数”，“group”：同行评议信息（由会议组织者提供）“}}，{“value”：“1360”，“order”：4，“name”：“number_of_full_papers_accepted”，“label”：“已接受的完整论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“tabel”：number_of_short_papers_accepted“，”label“：”接受的短文数“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行评审信息（由会议组织者提供）“}}，{”value“：”27%-该值由等式“接受的全文数”/发送供评审的提交数*100\“计算然后四舍五入到一个整数。“，”order“：6，”name“：”acceptance_rate_of_full_papers“，”label“：”全文接受率“，”group“：ConfEventPeerReviewInformation“，”label“：”同行评议信息（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”：}，｛“value”：“Yes”，“order”：9，“name”：“external_reviewers_involved”，“label”：“涉及的外部评审员”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“会议实际上是由于新冠肺炎疫情而召开的。在ECCV研讨会上，共有467份提交文件，其中发表了249篇全文、18篇短文和21篇其他稿件。”，“order”：10，“name”：“additional_info_on_review_process”，“label”：“additional info on review process”，“group”：{“name”:“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}