{“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”：[[2024,4,12]，“日期时间”：“2024-04-12T07:44:50Z”，“时间戳”：1712907890086}，“出版商位置”：“查姆”，“参考计数”：21，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“值”：“9783030688202”，“类型”：”打印“}，{“值”：“9783030688219”，“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”，“延迟天数”：0，“URL”：“http:\/\/wspringer.com\/tdm”｝]，“内容域”：｛“域”：[“link.springer.com”]，“交叉标记限制”：false｝，“短容器标题”：[]，“已发布的印刷品”：｛“日期部分”：[[2021]]｝，“DOI”：“10.1007\/978-3-030-68821-9_32”，“类型”：“书籍章节”，“已创建”：｛“日期部分”：[[2021,2,20]，“日期时间”：“2021-02-20T20:03:56Z“，“时间戳”：1613851436000}，“页面”：“356-364”，“更新策略”：“http://\/dx.doi.org \/10.1007\/springer_crossmark_policy”，“源”：“Crossref”、“is-referenced-by-count”：7，“标题”：[“HSS-GCN:用于车辆重新识别的层次空间结构图卷积网络”]，“前缀”：“10.1007”，”作者“：[{”给定“Zheming”，“family”：“Xu”，“sequence”：“first”，“affiliation”：[]}，{“given”：“Lili”，“family”：“Wei”，“segment”：“additional”，“filiance”：[]}附加“，”从属“：[]}，{”给定“：“Adrian G.”，“family”：“Bors”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[2021,2,21]]}，“reference”：[{“issue”：“9”，“key”：“32_CR1”，”doi-asserted-by“：”publisher“，”first page“2385”，“doi”：“10.1109\/TMM.2018.2796240”，“volume”：”20“author”：“Y Bai”，“年份”：“2018年”，“非结构化”：“Bai，Y.，Lou，Y..，Gao，F.，Wang，S.，Wu，Y..，Duan，L.Y.：车辆重新识别的群敏感三元组嵌入。IEEE Trans.Multimed.20（9），2385\u20132399（2018）”，“journal-title”：“IEEE Trans.Multimed.”}，{“key”：“32_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”：“32_CR3”，“DOI-asserted-by”：“crossref”，“unstructured”：“Guo，H.，Zhao，C.，Liu，Z.，Wang，J.，Lu，H.：学习粗到细结构特征嵌入用于车辆重新识别。In:第三十二届AAAI人工智能会议（2018）”，“DOI”：“10.1609\/aaaai.v32i1.12237”}，}“”key“：”32_CR4“，”doi-asserted-by“：”crossref“，”unstructured“：”He，B.，Li，J.，Zhao，Y.，Tian，Y.：部分规则化近重复车辆重新识别。摘自：IEEE计算机视觉和模式识别会议论文集，第3997\u20134005页（2019）“，“DOI”：“10.1109\/CVPR.2019.00412”}，{“key”：“32_CR5”，“unstructured”：“Kipf，T.N.，Welling，M.：图卷积网络的半监督分类。arXiv预印本arXiv:1609.02907（2016）”}crossref”，“非结构化”：“Liao，S.，Hu，Y.，Zhu，X.，Li，S.Z.：通过局部最大出现表示和度量学习重新识别人。摘自：IEEE计算机视觉和模式识别会议记录，第2197\u20132206页（2015）“，“DOI”：“10.1109\/CVPR.2015.7298832”}，{“key”：“32_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“Liu，H.，Tian，Y.，Yang，Y.、Pang，L.、Huang，T.：深度相对远程学习：说出相似车辆之间的差异。摘自：IEEE计算机视觉和模式识别会议论文集，第2167\u20132175页（2016）“，“DOI”：“10.1109\/CVPR.2016.238”}，{“key”：“32_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“Liu，X.，Zhang，S.，Huang，Q.，Gao，W.：Ram：车辆重新识别的区域感知深度模型。摘自：2018 IEEE多媒体与博览会国际会议（ICME），第1\u20136页。IEEE（2018）“，“DOI”：“10.1109\/IME.2018.8486589”}，{“key”：“32_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Liu，X.，Liu，W.，Ma，H.，Fu，H.:城市监控视频中的大型车辆识别。摘自：2016 IEEE国际多媒体与博览会（ICME），pp.1\u20136。IEEE（2016）“，”DOI“：”10.1109\/IME.2016.7553002“}，{”key“：”32_CR10“，”series-title“：”计算机科学讲义“，”DOI-asserted-by“：”publisher“，”first page“：“869”，“DOI”：“10.1007\/978-3-319-46475-6_53”，“volume-title”：“Computer Vision\u2013 ECCV 2016”，“author”：“X Liu”，“year”：“2016”，”unstructured“：”Liu，X.，Liu，W.，Mei，T.，Ma，H.：基于深度学习的方法，用于城市监测的渐进式车辆重新识别。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9906卷，第869页\u2013884。查姆施普林格（2016）。https:\/\/doi.org\/10007\/978-3-319-46475-6_53“}，{“key”：“32_CR11”，“doi-asserted-by”：“crossref”，“unstructured”：“Liu，X.，et al.：通过多尺度时空推理从视频中识别社会关系。摘自：IEEE计算机视觉和模式识别会议论文集，第3566\u20133574（2019）页”，“doi”：“10.1109\/CVPR.2019.00368“}，{“key”：“32_CR12”，“doi-asserted-by”：“crossref”，“unstructured”：“Liu，X.，Liu，W.，Zheng，J.，Yan，C.，Mei，T.：超越部分：学习车辆重新识别的多视图跨部分相关性。摘自：第28届ACM国际多媒体会议论文集，第907\u2013915（2020）页”，“doi”：“10.1145\/3394171.3413578“}，{“key”：“32_CR13”，“doi-asserted-by”：“crossref”，“unstructured”：“Lou，Y.，Bai，Y.、Liu，J.，Wang，S.，Duan，L.：Veri-wild:大型数据集和野外车辆重新识别的新方法。摘自：IEEE计算机视觉和模式识别会议论文集，pp.3235\u20133243（2019）”，“doi”：“10.1109\/CVPR.2019.00335“｝，｛“key”：“32_CR14”，“doi断言者”：“crossref”，“非结构化”：“Shen，Y.，Li，H.，Yi，S.，Chen，D.，Wang，X.：用深度相似性引导的图神经网络进行人的重新识别。在：《欧洲计算机视觉会议录》（ECCV），第486\u2013504页（2018）”，“doi”：“10.1007\/978-3-030-01267-0_30”｝，｛”key“：”32_CR15“，”doi-asserted-by“：”crossref“，”unstructured“：”Shen，Y.，Xiao，T.，Li，H.，Yi，S.，Wang，X.：学习深度神经网络，用于车辆更新，具有可视化时空路径建议。摘自：IEEE计算机视觉国际会议论文集，第1900\u20131909页（2017）“，“DOI”：“10.1109\/ICCV.2017.210”}，{“key”：“32_CR16”，“DOI-asserted-by”：“crossref”，“unstructured”：“Wang，Z.，et al.：用于车辆重新识别的方向不变特征嵌入和时空正则化。摘自：IEEE计算机视觉国际会议论文集，第379\u2013387页（2017）“，“DOI”：“10.1109\/ICCV.2017.49”}，{“key”：“32_CR17”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yan，S.，Xiong，Y.，Lin，D.：基于骨架的动作识别时空图卷积网络。arXiv预印本arXiv:1801.07455（2018）”，“DOI“：”10.1609\/aaai.v32i1.12328“}，{“key”：“32_CR18”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yang，J.，Zheng，W.S.，Yang，Q.，Chen，Y.C.，Tian，Q.：用于基于视频的人物重新识别的时空图卷积网络。收录于：IEEE计算机视觉和模式识别会议记录，pp.3289\u20133299（2020），“DOI”：“10.1109”，{“key”：“32_CR19”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhang，Y.，Liu，D.，Zha，Z.J.：改进卷积神经网络用于车辆再识别的三向训练。收录于：2017 IEEE多媒体与博览会国际会议（ICME），第1386\u20131391页。IEEE（2017）“，”DOI“：”10.1109\/IME.2017.8019491“}，{“key”：“32_CR20”，“first page”：”1“，”volume“：“1”，”author“：”Y Zhou“，”year“：”2017“，”unstructured“：”Zhou，Y.，Shao，L.：基于Cross-view gan的车辆生成用于重新识别。BMVC.1，1\u201312（2017）Y“：”crossref“，”非结构化“：”周毅（Zhouy，Y.）、邵（Shao，L.）：车辆再识别的视点软件关注多视图推理。收录于：2018 IEEE\/CVF计算机视觉和模式识别会议，第6489\u20136498页（2018）“，”DOI“：”10.1109\/CVPR.2018.00679“}]，”container-title“：[”Pattern Recognition.ICPR International Workshops and Challenges“，”计算机科学讲座笔记“]，”原文标题“：[]，”链接“：[{”URL“：”http:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-68821-9_32“，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[[2022,12,18]]，“date-time”：”2022-12-18T09:50:01Z“timestamp”：1671357001000}，“score”：1，“resource”:{“primary”：{“URL”：“http://\/link.springer.com/10.1007\/978-3-030-68821-9_32“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2021]]}，“ISBN”：[“9783030688202”，“978330688219”]，“引用计数”：21，“URL”：“http://\/dx.doi.org\/10.1007\/9783-030-68821-9-9_32”，“关系”：{}，N“：[”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2月21日”，“order”：1，“name”：“first_online”，“label”：“first online”，“group”：｛“name”：“ChapterHistory”，“label”：“ChapterHistory”｝，｛“组”：｛“名称”：ConferenceInfo“，”label“：”ConferenceInformation“}}，{”value“：”模式识别国际会议“，”order“：2，”name“：”Conference_name“，”标签“：”会议名称“，”group“：label“：”Conference Information“}}，{“value”：“2021年1月10日”，“order”：7，“name”：“Conference_start_date”，“label”：“ConferenceStart date”，“group”：{“name”:“ConferenceInformation”，“标签”：“会议信息”}}会议信息“}}，{“value”：“ICPR2020”，“order”：10，“name”：“Conference_id”，“label”：“Conference id”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}}}]}}