{“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”：[[2024,3,14]]，“日期时间”：“2024-03-14T05:07:48Z”，“时间戳”：1710392868677}，“出版商位置”：“查姆”，“参考计数”：21，“出版者”：“斯普林格国际出版公司”，“isbn-type”：[{“值”：“9783030687984”，“类型”：”打印“}，{“值”：“9783030687991”，“type”：“electronic”}]，“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”}，{“开始”：{“date-ports”：[2021,1,1]]，，“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\/978-3-030-68799-1_39“，”类型“：”book-chapter“，”创建“：{”date-part“：[[2021,3,4]]，“日期时间”：“2021-03-04T08:03:53Z”，“时间戳”：1614845033000}，“页面”：“538-551”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：7，”title“：[”BlendTorch:A Real-Time，Adaptive Domain Randomain Randomization Library“]，”prefix“：”10.1007“，”author“：[{”ORCID“：”http://\/ORCID.org\/00000-0002-6362-8976“，“authenticated-ORCID”：false，“given”：“Christoph”，“family”：“Heindl”，“sequence”：“first”，“affiliation”：[]}，{“ORCID”：”http://\/ORCID.org\/0000-0002-1962-2833“，“authenticated-ORCID”：false“，”given“：”Lukas“，”family“：”Brunner“，”sequence“：”additional“：false，”given“：”Sebastian“，”family“：“Zambal”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Josef”，“family”：“Scharinger”，“serquence”:“additionable”，“ffiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[2021,3,5]]}：“Blender在线社区：Blender-一个3D建模和渲染软件包。Blender基金会，Blender研究所，阿姆斯特丹（2020）。http://\/www.Blender.org”}，{“key”：“39_CR2”，“doi-asserted-by”：“crossref”，“unstructured”：“Deng，J.，Dong，W.，Socher，R.，Li，L.J.，Li.，K.，Fei-Fei，L.：Imagenet：大型分层图像数据库。摘自：2009 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”：“39_CR3”，“unstructured”：“Denninger，M.，et al.：Blenderproc:reducing the reality gap with photorealism rendering”}，“issue”：“2”，“key“：”39_CR4“DOI-asserted-by”：“publisher”，“first page”：”303“DOI”：“10.1007\/s11263-009-0275-4”，“volume”：《88》，“author”：“M Everingh”am“，”年份“：”2010“，”非结构化”：“Everingham，M.，Van Gool，L.，Williams，C.K.，Winn，J.，Zisserman，A.：pascal可视对象类（VOC）挑战。国际期刊计算。愿景88（2），303\u2013338（2010）“，“新闻标题”：“国际计算杂志”。Vision“}，{“key”：“39_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。摘自：IEEE计算机视觉与模式识别会议论文集，第770\u2013778（2016）页”，“doi”：“10.1109\/CVPR.2016.90”}，}“key:”39_CR6“，”doi-assert-by“：”publisher“，”非结构化”：“Heindl，C.，Zambal，S.，Scharinger，J.：学习使用人工生成的图像预测机器人关键点。摘自：第24届IEEE新兴技术和工厂自动化国际会议（ETFA），第1536\u20131539页。IEEE（2019）。https:\/\/doi.org\/10.109\/ETFA.2019.8868243“，”doi“：”10.1109\/ETFA.2019.8888243“}，{“key”：“39_CR7”，“unstructured”：“Hintjens，P.:ZeroMQ:多个应用程序的消息传递。O\u2019Reilly Media，Inc.（2013）”}，“key“：”39_CR8“，”doi-asserted-by“：”crossref“，”unstructure“：”Hodan，T.，Haluza，P.，Obdr\u017e\u00e1lek，\u0160.，Matas，J.，Lourakis，M.，Zabulis，X.：无纹理物体6d姿态估计的rgb-d数据集。2017年IEEE计算机视觉应用冬季会议（WACV），第880\u2013888页。IEEE（2017）“，”DOI“：”10.1109\/WACV.2017.103“}，{“key”：“39_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Hoda\u0148，T.，et al.：BOP challenge 2020 on 6D object localization。In:European Conference on Computer Vision Workshops（2020）”，“DOI”：“10.1007\/978-3-030-66096-3_39”}，“key“：”39_CR10“，”非结构化“：”Kingma，D.P.，Ba，J.：亚当：随机优化方法。arXiv预印本arXiv:1412.6980（2014）“}，{“key”：“39_CR11”，“unstructured”：“Krizhevsky，A.，Sutskever，I.，Hinton，G.E.：深度卷积神经网络的Imagenet分类。In:Advances In neural Information Processing Systems，pp.1097\u20131105（2012）”}，[{“密钥”：“39 _CR12”，“非结构化”：“Paszke，A.等人：Pytorch：一个命令式、高性能的深度学习库。摘自：《神经信息处理系统进展》，第8026\u20138037（2019）页“}，{“key”：“39_CR13”，“doi-asserted-by”：“crossref”，“unstructured”：“Sadeghi，F.，Levine，S.：Cad2rl:没有单个真实图像的真实单图像飞行。arXiv预印本arXiv:1611.04201（2016）”，“doi”：“10.15607\/RSS.2017.XIII.034”}，“key“：”39_CR14“，”doi-assert-by“：”crossref“，“非结构化”：“Schwarz，M.，Behnke，S.：Stillleben：机器人深度学习的真实场景合成。arXiv预印本arXiv:2005.05659（2020）“，”DOI“：”10.1109\/ICRA405.2020.9197309“}，{”issue“：”1“，”key“：”39_CR15“，”DOI-asserted-by“：”publisher“，”first page“：“60”，“DOI”：“10.1186\/s40537-019-0197-0”，“volume”：“6”，“author”：“C Shorten”，“year”：“2019”，“unstructured”：“Shorten，C.，Khoshgoftaar，T.M.：深度学习图像数据增强调查。Big Data 6（1），60（2019）“，“journal-title”：“J.Big Data”}，{“key”：“39_CR16”，“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）”}.https:\/\/github.com/NVIDIA\/Dataset_Syntasizer“}，{”key“：”39_CR18“，”doi-asserted-by“：”crossref“，”unstructured“：”Tobin，J.，Fong，R.，Ray，A.，Schneider，J.，Zaremba，W.，Abbeel，P.：将深度神经网络从模拟转移到现实世界的领域随机化。参见：2017 IEEE\/RSJ智能机器人和系统国际会议（IROS），第23\u201330页。IEEE（2017）“，“DOI”：“10.1109\/IROS.2017.8202133”}，{“key”：“39_CR19”，“DOI-asserted-by”：“crossref”，“unstructured”：“Tremblay，J.等人：用合成数据训练深度网络：通过域随机化缩小现实差距。摘自：IEEE计算机视觉和模式识别研讨会会议记录，第969\u2013977页（2018）”DOI“：”10.1109\/CVPRW.2018.00143“}，{“key”：“39_CR20”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yu，F.，Wang，D.，Shelhamer，E.，Darrell，T.：深层聚合。摘自：IEEE计算机视觉与模式识别会议记录，pp.2403\u20132412（2018）”，“DOI”：“10.1109\/CVPR.2018.00255”}Zhou，X.，Wang，D.，Kr\u00e4henb\u00fchl，P.：作为点的对象。arXiv-print arXiv:1904.07850（2019）“}]，“container-title”：[“模式识别.ICPR国际研讨会和挑战”，“计算机科学课堂讲稿”]，“原始标题”：[]，“链接”：[{“URL”：“http://\/link.springer.com/content\/pdf\/10.1007\/978-3030-68799-1_39”，“content-type”：“未指定”，“内容版本”：“vor”，“intended-application“：”相似性检查“}]，”存放“：{”日期部分“：[[2021,3,4]]，”日期时间“：”2021-03-04T09:36:55Z“，”时间戳“：1614850615000}，”分数“：1，”资源“：{“primary”：{“URL”：“http://\link.springer.com\/10007\/978-3030-68799-1_39”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[202 1]]}，“ISBN”：[“9783030687984”，“9783030687991“]，“引用计数”：21，“URL”：“http:\/\/dx.doi.org/10.1007\/978-3-030-68799-1_39”，“关系”：｛｝，“ISSN”：[“0302-9743”，“1611-3349”]，“ISSN类型”：[｛”value“：”0302-9743“，“类型”：“打印”｝，｛”value“：”1611-3349“，”type“：”电子“｝]，”subject“：[]，”published“：”date parts“：[[2021]]}，“断言”：[｛“value”：“2021年3月5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”}}]}}