{“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”：[2022,4,6]]，“日期时间”：“2022-04-06T17:40:54Z”，“时间戳”：1649266854510}，“发布者位置”：“查姆”，“引用计数”：19，“出版商”：“斯普林格国际出版公司”，“isbn-type”：[{“值”：“9783030911805”，“类型”：”打印“}，{“值”：“9783030911812”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}，{“开始”：{“date-ports”：[2022,1,1]，“日期-时间”：“2042-01-01T 00:00Z”，“timestamp”：1640995200000}，“content-version”：“vor”，“延迟天数”：0，“URL”：“https://www.springer.com\/tdm”｝，｛“开始”：｛“日期部分”：[[2022,1,1]]，“日期时间”：“2022-01-01T00:00:00Z”，“时间戳”：1640995200000｝，“内容版本”：“tdm”，“延迟天数”：0，“URL”：“https://www.springer.com\/tdm”｝，｛“开始”：｛“日期部分”：[[2022,1,1]]，“日期时间”：“2022-01-01T00:00:00 Z”，“时间戳”：1640995200000}，“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”：[2022]，“DOI”：“10.1007\/978-3-030-91181-2_6”，“type”：“book-capter”，“创建”：{“日期部分”：[[2022,2,10]]，“日期时间”：“2022-02-10T04:57:39Z”，“时间戳”：1644469059000}，“页面”：“85-103”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：0，”title“：[”用于医疗和工业应用的人工智能和物联网平台“]，”prefix“：”10.1007“，”author“：[{”given“：”Weijun“，“家族”：“谭”，“序列”：“第一”，“从属关系”：[]}，{“给定”：“越”，“家庭”：“卓”，“顺序”：“附加”，“隶属关系”：[]}“，”sequence“：”additional“，”affiliation“：[]}]，“member”：“297”，“published-online”：{“date-parts”：[[2022,2,24]]}，“reference”：[{“key”：“6_CR1”，“doi-asserted-by”：“publisher”，”first page“：”215“，”doi“：”10.1016\/j.neucom.2020.081“，”volume“：“429”，“author”：“M Wang”，“year”：“2021”，“unstructured”：“Wang，M.，Deng，W.：深度人脸识别：调查。神经计算429，215\ u2013244（2021）“，”新闻标题“：“Neurocomputing”}，{“key”：“6_CR2”，“doi-asserted-by”：“crossref”，“unstructured”：“Tan，W.，Liu，J.：人脸识别在追踪COVID-19发热患者和密切接触者中的应用。in:IEEE ICMLA（2020）”，“doi”：“10.1109\/IMCLA51294.200.00179”}，{：“Tan，W.，Liu，J.，Zhoo，Y.，Yao，Q.，Chen，X.Wang Y“：“crossref”，“unstructured”：“Deng，J.，Guo，J.、Xue，N.Zafeiriou，S.：ArcFace:深度人脸识别的附加角余量损失。In:CVPR（2019）”，“DOI”：“10.1109\/CVPR.2019.00482”}，{“key”：“6_CR6”，“DOI-asserted-by”：“crosdref”、“unstrustured”：“Liu，W.，Wen，Y.，Yu，Z.，Li，M.，Raj，B.，Song，L.：SphereFace：用于人脸识别的深度超球面嵌入。In：CVPR（2017）”，“DOI”：“10.1109\/CVPR.2017.713”}，{“key”：“6_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“Whitelam，C.，Taborsky，E.，Blanton，A.，Maze，B.，Adams，J.C.，Miller，T.，Kalka，N.D.，Jain，A.K.，Duncan，J。A.、Allen、K.：IARPA Janus基准B人脸数据集。收录于：CVPR Workshop（2017）”，“DOI”：“10.1109\/CVPRW.2017.87”}，{“key”：“6_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“Maze，B.，Adams，J.，Duncan，J.A.，Kalka，N.，Miller，T.，Otto，C.，Jain，A.K.，Niggel，W.T.，Anderson，J10.1109\/ICB2018.2018.00033“}，{“key”：“6_CR9”，“doi-asserted-by”：“crossref”，“unstructured”：“Shi，Y.，Yu，X.，Sohn，K.，Chandraker，M.，Jain，A.K.：面向深度人脸识别的通用表征学习。In:CVPR（2020）”，“doi”：“10.1109\/CVPR42600.2020.00685”}，}，“key“：”6_CR10“，”doi-assert-by“：”Crosref“，”非结构化“：”Liu，R.，Tan，W.：EQFace：用于人脸识别的简单显式质量网络。在：CVPR Workshop（2021）”，“DOI”：“10.1109\/CVPRW53098.2021.00164”}，｛“key”：“6_CR11”，“DOI断言者”：“crossref”，“非结构化”：“Feng，Y.，Ma，L.，Liu，W.，Zhang，T.，Luo，J.：视频重新本地化。在：ECCV（2018）”，“DOI”：“10.1007\/978-3-030-01264-9_4”｝，｛“key”：“6_CR12”，“DOI断言者”：“publisher”，“首页”：“2259”，“DOI“：”10.1007\/s10462-020-09904-8“，“卷”：“54”，“作者”：“P Pareek”，“年份”：“2021”，“非结构化”：“Pareek，P.，Thakkar，A.：基于视频的人类行为识别调查：最新更新、数据集、挑战和应用。Artif公司。智力。第54版，2259\u20132322（2021）“，“期刊标题”：“第。智力。Rev.“}，{”key“：”6_CR13“，”doi-asserted-by“：”publisher“，”first page“：“101374”，“doi”：“10.1016\/j.is.2019.02.006”，“volume”：“87”，“author”：“M Aum\u00fcller”，“year”：“2019”，“unstructured”：“Aum\u 00fcllerM.，Bernhardsson，E.，Faithfull，A.：ANN-Benchmarks:近似最近邻算法的基准测试工具。Inf.Syst.87，101374（2019）”，“”journal-title“：”信息系统。“}，{”key“：”6_CR14“，”doi-asserted-by“：”publisher“，”首页“：”102588“，”doi“：”10.1016\/j.bspc.2021.10258“，”卷“：”68“，”作者“：”M Rahimzadeh“，”年份“：”2021“，”非结构化“：”Rahim扎deh，M.，Attar，A.，Sakhaei，S。M.：一个基于深度学习的全自动网络，用于从新的大型肺部CT扫描数据集检测新冠肺炎。生物识别。信号处理。控制68，102588（2021）“，”日志标题“：”生物识别。信号处理。Control“}，{“key”：“6_CR15”，“doi-asserted-by”：“crossref”，“unstructured”：“Huang，G.，Liu，Z.，Maaten，L.，Weinberger，K.Q.：稠密连接卷积网络。In:CVPR（2017）”，“doi”：“10.1109\/CVPR.2017.243”}，}“key”：Cholet，F.：Xception：深度学习与深度可分离卷积。在：CVPR（2017）“，”DOI“：”10.1109\/CVPR.2017.195“｝，｛”key“：”6_CR17“，”DOI断言者“：”crossref“，”非结构化“：”Lin，T.，Doll\u00e1r，P.，Girshick，R.，He，K.，Hariharan，B.，Belongie，S.：用于对象检测的特征金字塔网络。在：CVPR（2017）“，”DOI“：”10.1109\/CVPR.2017.106“｝，｛”key“：”6_CR18“，”DOI断言者“：”crossref“，”非结构化“：”Tan，W.，Guo，H.：利用小数据集上的CT扫描图像进行数据增强和CNN分类，以实现新冠肺炎的自动诊断。在：IEEE ICMLA（2021）“，”DOI“：”10.1109\/IMCLA52953.2021.00234“}，{”key“：”6_CR19“，”unstructured“：”SPGC:2021 IEEE ICASSP信号处理大挑战（SPGC）on COVID-19。https:\/\/2021.ieeeicassp.org\/GrandChallenge.asp（2020）“}]，“container-title”：[“物联网”，“为高级健康信息学集成人工智能和物联网”]，“原始标题”：[]，“链接”：[{“URL”：“https:\//link.springer.com\/content\/pdf\/10.1007\/978-3-030-91181-2_6”，“content-type”：“未指定”，“内容版本”：“vor”，“intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2022,4,6]]，”date-time“：”2022-04-06T17:08:45Z“，”timestamp“：1649264925000}，”score“：1，”resource“：”primary“：”{“URL”：“https:\/\/link.springer.com\/10007\/978-3030-91181-2_6”}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-part”：[[2022]]}，“ISBN”：[“9783030911805”，“9783030911812“]，”references-count“：19，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-91181-2_6“，”relation“：{}，”ISSN“：[”2199-1073“，”2199-10081“]，“ISSN-type”：[{“value”：“2199-1071”，“type”:“print”}，{“value”：”2199-181“，”type“：”electronic“}]，”subject“：[]，”published“：{”date-parts“：[[2022]]}，”断言“：[{”值“：”2022年2月24日“，”订单“：1，”名称“：”first_online“，”label“：”first online“，“group”：{“name”：“ChapterHistory”，“label”：“章节历史”}}]}}