{“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”：“2024-09-12T04:45:51Z”，“时间戳”：1726116351002}，“发布者位置”：“Cham”，“引用计数”：27，“发布商”：“Springer International Publishing”，“isbn-type”：[{“类型”：”print“，“值”：“9783030687625”}{“type”：“电子”，“value”：“9783030687632”}]，“license”：[{“start”：{“date-parts”：[2021,1,1]]，“date-time”：“2021-01-01T00:00:00Z”，“timestamp”：1609459200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}，{“start”：{“date-ports”：[2021,1,1]，“日期-时间”：“021-01-01T”00:00:00Z“，”timestamp“：1609459200000}，”content-version“：”vor“，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2021]]}，”DOI“：”10.1007\/978-3-030-68763-2_53“，”type“：”book-capter“，”created“：{”date-part“：[[2021,2,20]]，“日期-时间”：“2021-02-20T11:28:24Z”，“时间戳”：1613820504000}，“页面”：“701-713”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：1，”title“：[”使用运动矢量表示的压缩视频动作识别“]，”prefix“：”10.1007“，”author“：[{”given“：”Chenghui“，”family“Zhou”，“sequence”：“first”，“affiliation”：[]}，{“给定”：“小雷”，“家庭”：“陈”，“序列”：“附加”，“从属关系”：[]}，{”给定”：”裴”，“家族”：“孙”，“顺序”：“额外”，“附属关系”：[]}、{“给出”：“关文”，“家人”：“张”，“排序”：“添加”，“隶属关系”：【】}，[given”：“魏”，“家”：“周”，“次序”：“新增”，“归属关系”：“[]}]，“成员”：“297”，“在线发布”：{“date-parts”：[2021,2,21]]}，“reference”：[{“key”：“53_CR1”，“doi-asserted-by”：“crossref”、“unstructured”：“Bilen，H.，Fernando，B.，Gavves，E.，Vedaldi，A.，Gould，S.：动作识别的动态图像网络。摘自：IEEE计算机视觉和模式识别会议论文集，第3034\u20133042页（2016）”，“doi”：“10.1109\/CVPR.2016.331”}，{“key”：“53_CR2”，“非结构化”：“Bross，B.，Han，W.J.，Ohm，J.R.，Sullivan，G.J.，Wang，Y.K.，Wiegand，T.：高效视频编码（hevc）文本规范草案10（用于fdis和最终调用）。ITU-T SG16 WP3和ISO\/IEC JTC1\/SC29\/WG11，JCTVCL1003视频编码联合协作团队（JCT-VC）。v34（2013）“}，{“key”：“53_CR3”，“doi asserted by”：“crossref”，“nonstructured”：“Carreira，J.，Zisserman，A.：Quo-vadis，动作识别？一个新的模型和动力学数据集。在：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”：“53_CR4”，“doi asserted by”：“crossref”，“非结构化”：“Deng，J.，Dong，W.，Socher，R.，Li，L.J.，Li.，K.，Fei-Fei，L.：Imagenet：大型分层图像数据库。2009年IEEE计算机视觉和模式识别会议，第248\u2013255页。IEEE（2009）“，“DOI”：“10.1109\/CVPR.2009.5206848”}，{“key”：“53_CR5”，“DOI-asserted-by”：“crossref”，“unstructured”：“Diba，A.，Sharma，V.，Van Gool，L.：深时间线性编码网络。摘自：IEEE计算机视觉和模式识别会议论文集，pp.2329\u20132338（2017）”，“DOI:”10.1109\/CVPR.2017.168非结构化”：“Du，Y.，Wang，W.，Waing，L.：基于骨架的动作识别的层次递归神经网络。摘自：IEEE计算机视觉和模式识别会议论文集，第1110\u20131118页（2015）“}，{“key”：“53_CR7”，“doi-asserted-by”：“crossref”，“unstructured”：“Fernando，B.，Gavves，E.，Oramas，J.M.，Ghodrati，A.，Tuytelaars，T.：为动作识别建模视频进化。摘自：《IEEE计算机视觉和模式识别会议论文集》，第5378\u20135387页（2015）“，“DOI”：“10.1109\/CVPR.2015.7299176”}，{“key”：“53_CR8”，“unstructured”：“Kingma，D.P.，Ba，J.：Adam：随机优化方法。arXiv预印本arXiv:1412.6980（2014）”}Kuehne，H.、Jhuang，H.，Garrote，E.、Poggio，T.、Serre，T.：HMDB：用于人体运动识别的大型视频数据库。2011年计算机视觉国际会议，第2556\u20132563页。IEEE（2011）“，”DOI“：”10.1109\/ICCV.2011.6126543“}，{”issue“：”4“，”key“：”53_CR10“，”DOI-asserted-by“：”publisher“，”first page“：“46”，“DOI”：“10.1145\/103085.10090”，“volume”：“34”，“author”：“D Le Gall”，“year”：“1991”，“unstructured”：“Le Gal，D.：Mpeg：多媒体应用的视频压缩标准。通信ACM 34（4），46\uu 201358（1991）“，”journal-title“：”通用。ACM“}，{”issue“：”4“，”key“：”53_CR11“，”doi-asserted-by“：”publisher“，”first page“：“438”，“doi”：“10.1109\/76.313138”，“volume”：“4”，“author”：“R Li”，“year”：“1994”，“unstructured”：“Li，R.，Zeng，B.，Liou，M.L.：块运动估计的一种新的三步搜索算法。IEEE Trans.Circ.Syst.Video Technol 4（4），438\u2013442（1994）”，“”日志标题“：”IEEE传输。循环。系统。Video Technol“}，{“key”：“53_CR12”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：”816“，“doi”：“10.1007\/978-3319-46487-9_50”，“volume-title”：”Computer Vision\u2013 ECCV 2016“，”author“J Liu”，“year”：“2016”，“unstructured”：“Liu，J.、Shahroudy，A.、Xu，D.、Wang，G.：具有信任门的时空LSTM，用于3D人体动作识别。在：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9907卷，第816\u2013833页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46487-9_50“}，{”key“：”53_CR13“，”doi-asserted-by“：”crossref“，”unstructured“：”Lu，T.、Ai，S.、Jiang，Y.、Xiong，Y.和Min，F.：基于3D卷积网络的视频动作识别深光流特征融合。收录于：2018 IEEE SmartWorld，《无处不在的智能与计算》，《高级与可信计算》，“可扩展计算与通信”，“云与大数据计算”，“互联网与智能城市创新”（SmartWorld\/SCALCOM\/UIC\/ATC\/CBDCom\/IOP\/SCI），第1077\u20131080页。IEEE（2018）“，”DOI“：”10.1109\/SmartWorld.2018.00187“}，{”issue“：”7“，”key“：”53_CR14“，”DOI-asserted-by“：”publisher“，”first page“：“1510”，“DOI”：“10.1109\/TMM.2017.266540”，“volume”：“19”，“author”：“Y Shi”，“year”：“2017”，“unstructured”：“Shi，Y.，Tian，Y.，Wang，Y.，Huang，T.：使用三流CNN进行动作识别的顺序深度轨迹描述符。IEEE传输。多媒体19（7），1510\u20131520（2017）“，“新闻标题”：“IEEE Trans。多媒体“}，{“key”：“53_CR15”，“unstructured”：“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“：”53_CR16“，”unstructure“：”Song，X.，Lan，C.，Zeng，W.，Xing，J.，Sun，X.，Yang，J.：动作识别的时空映射。IEEE传输。循环。系统。视频技术。30，748\u2013759（2019）“}，{“key”：“53_CR17”，“unstructured”：“Soomro，K.，Zamir，A.，Shah，M.：Ucf101-动作识别数据集（2017）”}，}，“key“：”53_CR18“，”doi-asserted-by“：”crossref“，”unstructure“：”Sullivan，G.J.，Baker，R.L.：图像和视频的高效四叉树编码。In:Proceedings ICASSP 91:1991 International Conference on Acoustics，Speech，and Signal Processing（2002）“，“DOI”：“10.1109\/ICASSP.1991.150949”}，{“key”：“53_CR19”，“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。摘自：IEEE计算机视觉国际会议论文集，第4489\u20134497页（2015）“，”DOI“：”10.1109\/ICCV.2015.510“}，{“key”：“53_CR20”，“unstructured”：“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）”}，}“issue”：“6”，“key“：”53_CR21“，”doi-asserted-by“：”publisher“，”first page“：”1510“，”doi“：”10.1109\/TPAMI.2017.2712608“，”volume“：“40”，“author”：“G Varol”，“year”：“2017”，“unstructured”：“Varol，G.，Laptev，I.，Schmid，C.：动作识别的长期时间卷积。IEEE传输。模式分析。机器。智力。40（6），1510\u20131517（2017）“，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”53_CR22“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“20”，”doi“：”10.1007\/978-3319-46484-8_2“，”volume-title“：“Computer Vision\u2013 ECCV 2016”，”author“：”L Wang“，”year“：”2016“，”unstructured“：”Wang，L.等：时间段网络：走向深度行动识别的良好实践。在：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”：“3”，“密钥”：“53_CR23”，“doi-asserted-by”：“出版商”，“首页”：“634”，“doi”：“10.1109\/TMM.2017.2749159”，“卷”：“20”，“作者”：“X Wang”，“年份”：“2017”，“非结构化”：“Wang，X.，Gao，L.，Wang，P.，Sun，X.，Liu，X.：用于任意大小和长度视频中动作识别的双流3D卷积融合。IEEE传输。多媒体20（3），634\u2013644（2017）“，“新闻标题”：“IEEE Trans。多媒体“}，{“key”：“53_CR24”，“unstructured”：“Wiegand，T.，Sullivan，G.J.，Bjontegaard，G.，Luthra，A.：h.264\/avc视频编码标准概述。IEEE Trans.Circ.Syst.video Technol.13（7），560\u2013576（2003）”}，}，”key“：”53_CR25“，”doi-asserted-by“：”crossref“，”unstructure“：”Wu，C.Y.，Zaheer，M.，Hu，H.，Manmatha，R.，Smola，A.J.，Kr\u00e4henb\u00fchl，P.：压缩视频动作识别。摘自：IEEE计算机视觉和模式识别会议记录，第6026\u20136035页（2018）“，”DOI“：”10.1109\/CVPR.2018.00631“}，{“问题”：“5”，“密钥”：“53_CR26”，“DOI-asserted-by”：“publisher”，“首页”：“2326”，“DOI”：“10.1109\/TIP.2018.2791180”，“卷”：“27”，“作者”：“B Zhang”，“年份”：“2018”，“非结构化”：“张，B.，王，L.，王，Z.，乔，Y.，王，H.：使用深度传输的运动矢量CNN进行实时动作识别。IEEE传输。图像处理。27（5），2326\u20132339（2018）“，“期刊标题”：“IEEE Trans。图像处理。“}，{”key“：”53_CR27“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“363”，”doi“：”10.1007\/978-3-030-20893-6_23“，”volume-title“：“Computer Vision\u2013 ACCV 2018”，”author“：”Y Zhu“，“year”：“2019”，”unstructured“：”Zhu，Y.，Lan，Z.，Newsam，S.，Hauptmann，A.：用于动作识别的隐藏两流卷积网络。收件人：Jawahar，C.V.，Li，H.，Mori，G.，Schindler，K.（编辑）ACCV 2018。LNCS，第11363卷，第363\u2013378页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-20893-6_23“}]，“container-title”：[“计算机科学讲义”，“模式识别.ICPR国际研讨会和挑战”]，“original-title“：[]，“language”：“en”，“link”：[{“URL”：“http://\/link.springer.com\/content\/pdf\/10.10007\/9783-030-68763-2_53”，“content-type”：“unspecified”，“content-version”：“vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2021,2,20]]，”date-time“：”2021-02-20T12:40:33Z“，”timestamp“：1613824833000}，”score“：1，”resource“：{primary”：{“URL”：“http://\link.springer.com/10.1007\/978-3-030-68763-2_53”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{date部分“：[[2021]]}，”ISBN“：[”9783030687625“，”9783030687632“]，”引用计数“：27，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-68763-2_53“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，“ISSN-type”：[{“type”:“print”，“value”：“0302-974”}，{“type”：“electronic”，“value”：“1611-3399”}]，“subject”：[]，“published”：{“date-pa”rts“：[[2021]]}，”断言“：[{“value”：“2021年2月21日”，“order”：1，“name”：“first_online，“label”：“first online”，“group”：{“name”：“ChapterHistory”，“label:”Chapter History“}}，{“value”：“ICPR”，“order”：1，“name”，“conference_acrombit”，“标签”：“conference_Acrombitor”，“组”：{name”：”ConferenceInfo“，”label“：”会议信息“}，”value“：”模式识别国际会议“，”order“：2，”name“：”conference_name“，”label“：”会议名称“，”group“：{”Name“：”ConferenceInfo“，”label“:”会议信息“}}，{”value“：”2021“，”order“：5，“Name”：“Conference_year”，“label”：“会议年份”，“group”：{“name“：”ConferenceInfo“，”label“：”会议信息“}}，{“value”：“2021年1月11日”，“order”：8，“name”：“Conference_end_date”，“label”：“会议结束日期”，“group”：，“标签”：“会议信息“}}，{“value”：“http:\/\/www.icpr2020.it\/”，“order”：11，“name”：“Conference_url”，“label”：“会议url”，“group”：{“name”:“ConferenceInfo”，“标签”：“Conferency Information”}}]}}