{“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”：[[2022,12,20]]，“日期时间”：“2022-12-20T05:41:08Z”，“时间戳”：1671514868817}，“出版商位置”：“查姆”，“引用计数”：25，“出版者”：“斯普林格国际出版”，“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_49”，“type”：“book-chapter”，“created”:{“date-ports”：[[2021,3,4]]，“日期时间”：“2021-03-04T08:03:53Z”，“时间戳”：1614845033000}，“页面”：“675-691”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“交叉引用”，“is-referenced-by-count”：0，“标题”：[“检验计划用自动视点估计”]，“前缀”：“10.1007”，”作者“：[{“ORCID”：“http://www.ORCID.org\/00000-00277-3926”，“authenticated-ORCID”：false，“given”：“悉达多”，“family”：“Dutta”，“sequence”：“first”，“affiliation”：[]}，{“ORCID”：”http://\/ORCID.org\/00000-0002-0820-8418“，”authenticated-ORCID“：false”，“giving”：“Markus”，“家族”：“Rauhut”，“序列”：“additional”，“ffility”：[]}，”ORCID“：”http://ORCID.org\/000-0001-5626-963X“，”authenticated-ORCID“：false，”given“：”Hans“，”family“：”Hagen“，“sequence”：“additional”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/00000-0002-2102-2618”，“authenticated-ORCID”：false，“given”：”Petra“，”family“：”Gospodneti\u0107“，”sequence“：”additional“，”affiliance“：[]2]，“member”：“297”，“published-online”：{“date-parts”：[2021,3,5]]}，“非结构化”：“Buitink，L.等人：机器学习软件的API设计：来自scikit-learn项目的经验。摘自：ECML PKDD Workshop:Languages for Data Mining and machine learning，pp.108\u2013122（2013）”}，{“key”：“49_CR2”，“doi-asserted-by”：“crossref”，“unstructured”：“Chaurasia，A.，Culurciello，E.：Linknet：利用编码器表示实现高效语义分割（2017）”，“DOI”：“10.1109\/VCIP.2017.8305148”}，{“key”：“49_CR3”，“unstructured”：“Everingham，M.，Winn，J.：pascal visual object classes challenge 2012（voc2012）开发工具包。模式分析、统计建模和计算学习，《技术报告》，第8卷（2011）“}，{“key”：“49_CR4”，“doi-asserted-by”：“crossref”，“unstructured”：“Gospodnetic，P.，Mosbach，D.，Rauhut，M.，Hagen，H.：柔性表面检查规划管道。In：2020年第6届控制、自动化和机器人国际会议（ICCAR）第644\u2013652页（2020年）“，“DOI”：“10.1109\/ICCAR49639.20200.9107983”}，{“key”：“49_CR5”，“DOI-asserted-by”：“crossref”，“unstructured”：“Gospodnetic，P.，Rauhut，M.，Hagen，H.：使用三维可视化的表面检查规划。摘自：LEVIA 2019:莱比锡应用可视化研讨会6英寸doi-asserted-by“：”crossref“，”unstructured“：”Gronle，M.，Osten，W.：多传感器表面检测的视图和传感器规划。冲浪。地形图。大都会。道具。4（2），024009（2016）“，”DOI“：”10.1088\/2051-672X\/4\/2\/024009“}，{”issue“：”5“，”key“：”49_CR7“，”DOI-asserted-by“：”publisher“，”first page“：“876”，“DOI”：“10.1109\/TPAMI.2011.206”，“volume”：“34”，“author”：“S Hinterstoisser”，“year”：“2011”，“unstructured”：“Hinterstoisser，S.等人：用于实时检测无纹理对象的梯度响应图。IEEE传输。模式分析。机器。因特尔。34（5），876\u2013888（2011）“，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”49_CR8“，”doi-asserted-by“：”crossref“，”unstructured“：”Hoda\u0148，T.，Haluza，P.，Obdr\u017e\u00e1lek，\u0160.，Matas，J.，Lourakis，M.，Zabulis，X.：T-less:一个RGB-D数据集，用于无纹理物体的6D姿态估计。In:IEEE计算机视觉应用冬季会议（WACV），第880\u2013888页（2017）“，”doi“：”10.1109\/WACV.2017.103“｝，｛“key”：“49_CR9”，“doi asserted by”：“crossref”，“nonstructured”：“Kehl，W.，Manhardt，F.，Tombari，F.，Ilic，S.，Navab，N.：SSD-6D:使基于RGB的3D检测和6D姿态估计再次伟大。在：《IEEE国际计算机视觉会议论文集》（ICCV），第1521\u20131529页（2017）”，“doi”：“10.1109\/ICCV.2017.169“}，{“key”：“49_CR10”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：”205“，“doi”：“10.1007\/978-3319-46487-9_13”，“volume-title”：”Computer Vision\u2013 ECCV 2016“，”author“：”W Kehl“，”year“：”2016“，“unstructured”：“Kehl，W.，Milletari，F.，Tombari，F，Ilic，S.，Navab，N.：深入学习局部RGB-D补丁，用于3D\u00a0对象检测和6D姿势估计。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9907卷，第205\u2013220页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46487-9_13“}，{“key”：“49_CR11”，“doi-asserted-by”：“crossref”，“unstructured”：“Kendall，A.，Grimes，M.，Cipolla，R.：Posenet:用于实时6-DoF相机重定标的卷积网络。In:IEEE国际计算机视觉会议（ICCV）（2015）”，“doi”：“10.1109\/ICCV.2015.336”}，}doi-asserted-by“：”crossref“，”unstructured“：”Kirillov，A.，Girshick，R.，He，K.，Doll\u00e1r，P.：全景特征金字塔网络。收录于：IEEE计算机视觉和模式识别会议（CVPR），第6399\u20136408页（2019）“，”DOI“：”10.1109\/CVPR.2019.00656“}，{“key”：“49_CR13”，“DOI-asserted-by”：“crossref”，“unstructured”：“Lin，T.，Goyal，P.，Girshick，R.，He，K.，Doll\u00e1r，P.：密集目标检测的焦点丢失。收录于：IEEE国际计算机视觉会议（ICCV），第2980\u20132988页（2017）“，”DOI“：”10.1109\/ICCV.2017.324“}，{“问题”：“1”，“密钥”：“49_CR14”，“DOI-asserted-by”：“publisher”，“首页”：“14”，“DOI”：“10.1002\/widm.8”，“卷”：“0”，“作者”：“WY Loh”，“年份”：“2011”，“非结构化”：“Loh，W.Y.：分类和回归树。威利Interdisc。版本数据最小知识。Discovery 1（1），14\u201323（2011）“，“新闻标题”：“威利Interdisc。版本数据最小知识。Discovery“}，{“key”：“49_CR15”，“doi-asserted-by”：“crossref”，“unstructured”：“Mohammadikaji，M.，Bergmann，S.，Irgenfried，S.、Beyer，J.，Dachsbacher，C.，Worn，H.：几何复杂表面优化覆盖的检验规划。摘自：2018年工业4.0和物联网计量研讨会，第52\u201367页（2018）”，“doi”：“10.1109\/METROI4.2018.84288313“｝，｛“issue”：“28”，“key”：“49_CR16”，“doi asserted by”：“publisher”，“首页”：“321”，“doi”：“10.1007\/s13218-014-0320-5”，“volume”：“4”，“author”：“A Pagani”，“year”：“2014”，“nonstructured”：“Pagani，A.：增强现实应用中相机注册的建模现实。KI-K\u00fcnstliche Intelligentz 4（28），321\u2013324（2014）“，“journal-title”：“KI-K\u00fcnstliche Intelligenz”}，{“key”：“49_CR17”，“doi-asserted-by”：“crossref”，“unstructured”：“Rad，M.，Lepetit，V.：Bb8：一种可扩展、准确、鲁棒的部分遮挡方法，用于预测具有挑战性的物体的三维姿势，而无需使用深度。In:IEEE国际计算机视觉会议（ICCV）第3828\u20133836页（2017）“，“DOI”：“10.1109\/ICCV.2017.413”}，{“问题”：“1”，“关键”：“49_CR18”，“DOI-asserted-by”：“出版商”，“首页”：“6”，“DOI:”10.3390\/computers7010006“，“卷”：“7”，“作者”：“J Rambach”，“年份”：“2018”，“非结构化”：“Rambach，J.，Pagani，A.，Schneider，M.，Artemenko，O.，Stricker，D.：基于3D扫描的6DoF目标跟踪，用于增强现实远程实时支持。Computers 7（1），6（2018）“，”journal-title“：”Computers“}，{“key”：“49_CR19”，“doi-asserted-by”：“crossref”，“unstructured”：“Redmon，J.，Divvala，S.，Girshick，R.，Farhadi，A.：你只看一次：统一的实时对象检测。In:IEEE Conference on Computer Vision and Pattern Recognition（CVPR）（2016）”，“doi”：“10.1109\/CVPR.2016.91”}，}“key:”49_CR20“，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：“234”，“doi”：“10.1007\/978-3319-24574-4_28”，“volume-title”：《医学图像计算与计算机辅助干预》，2013年MICCAI 2015，“author”：“O Ronneberger”，“year”：“2015”，“unstructured”：“Ronneberge，O.，Fischer，P.，Brox，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\/10.1007\/978-3-319-24574-4_28“}，{“key”：“49_CR21”，“doi-asserted-by”：“crossref”，“unstructured”：“Sundermeer，M.，Marton，Z.，Durner，M..，Brucker，M.和Triebel，R.：从RGB图像中检测6D对象的隐式3D定向学习。In:欧洲计算机视觉会议（ECCV）（2018）”，“doi”：“10.1007\/978-30-01231-1_43”}，{“key”：“49_CR22”，“doi-asserted-by”：“crossref”，“unstructured”：“Szegedy，C.，Ioffe，S.，Vanhoucke，V.，Alemi，“非结构化”：“Tekin，B.，Sinha，S.N.，Fua，P.：实时无缝单次拍摄6D物体姿态预测。摘自：IEEE计算机视觉和模式识别会议（CVPR），第292_u2013301页（2018）”，“DOI”：“10.1109”：“CVPR.2018.00038”}，{“key”：”49_CR24“DOI-asserted-by”：“crossref”，“非结构性”：“Wang，C.，et al.：密集融合：通过迭代密集融合进行6D物体姿态估计。摘自：IEEE计算机视觉和模式识别会议论文集，pp.3343\u20133352（2019）”，“DOI”：“10.1109\/CVPR.2019.00346”}，{“key”：“49_CR25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Xiang，Y.，Schmidt，T.，Narayanan，V.，Fox，D.：Posecnn:一种用于杂乱场景中6D物体姿态估计的卷积神经网络。摘自：机器人：科学与系统（RSS）（2018）”，“DOI”：“10.15607\/RSS.2018.XIV.019”}]，“容器-时间”：[“模式识别.ICPR国际研讨会与挑战”，“计算机科学课堂讲稿”]，“original-title”：[]，“link”：[{“URL”：“http://\/link.springer.com/content\/pdf\/10.1007\/978-3-030-68799-1_49”，“content-type”：“未指定”，“内容-版本”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“date-parts”：[2022,12,20]]，“日期-时间”：“2022-12-20T00:17:46Z”，“时间戳”：1671495466000}，“score”“：1，”资源“：{”主“：{“URL”：“http://\/link.springer.com/10.1007\/978-3-030-68799-1_49”}}，“副标题”：[]，“短标题”：[]，“发布”：{“日期-部件”：[[2021]]}，”ISBN“：[”9783030687984“，”97830030687991“]，“引用计数”：25，“URL”：“http://\\dx.doi.org\/10.10007\/978-3-030-699-1_49“，”关系“：{}”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{“value”：“0302-974”，“type”：”print“}，{“value”：“1611-3349”，“type”：”electronic“}]，“subject”：[]，“published”：{“date-parts”：[[2021]]}，“assertion”：[{“value”：“2021年3月5日”，“order”：1，“name”：“first_online”，“label”：“first online”，，“label”：“conference acronym”，“group”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“模式识别国际会议”，“order”：2，“name”：“Conference_name”，“标签”：“大会名称”，“group”：{“name”:“ConferenceInfo”，“label”：“Conference Information”}}，{“value”：“2021年1月10日”，“order”：7，“name”：“Conference_start_date”，“lable”：“会议开始日期”，“group”：{“name”:“ConferenceInfo”，”label“：”Conferency Information“}，”value“：”2021年01月11日“，”order“：8，”name“Conference_end_date”：“会议信息”}}，{“value”：“ICPR2020”，“order”：10，“name”：“Conference_id”，“label”：“会议id”，“group”：{“name”:“ConferenceInfo”，“table”：“Conferency Information”}}信息“}}]}}