{“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”：[[2024,6,9]]，“日期时间”：“2024-06-09T05:16:52Z”，“时间戳”：1717910212667}，“发布者位置”：“Cham”，“引用计数”：38，“发布商”：“Springer Nature Switzerland”，“isbn类型”：[{“值”：“9783031197802”，“type”：“打印”}，{“值”：“9783031197819”，“类型”：“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”}：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\\/www.springer.com//tdm”}，{“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.splingernature.com\/gp\/researters\/text-and-data-mining”}]，“日期-时间”：“2022-01-01T00:00:00Z”，“时间戳”：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https://www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2022]]}，‘DOI’：“10.1007\/978-3-0”31-19781-9_12“，”type“：”book-chapter“，“created”：{“date-parts”：[[2022,10,22]]，“date-time”：“2022-10-22T12:12:59Z”，“timestamp”：1666440779000}，“page”：“198-214”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：13，“title”：[“PASS:Part-Aware Self-Ministrated Pre-Training for \u00a0 Person Re-Identification“]，”前缀“：”10.1007“，“作者”：[{“ORCID”：“http://\/ORCID.org\/0000-0002-1670-944X”，“authenticated-ORCID”：false，“给定”：“宽”，“族”：“朱”，“序列”：“第一”，“从属关系”：[]}，{“ORCID”:“http://\-ORCID.org \/00000-0001-9241-6211”，“authenticated-ORCID“：false”，“给定的”：“海云”，“家族”：“郭”，”序列“：“附加”，“附属关系”：[]}，{“ORCID”：“http://\/orcid.org\/00000-0003-3685-2566”，“authenticated-orcid”：false，“given”：“Tianyi”，“family”：“Yan”，“sequence”：“additional”，“affiliation”：[]}，{“orcid”：\\/orcid.org\\0000-0002-9118-2780“，“authenticated-orcid”：false，“given”：“Jinqiao”，“family”：“Wang”，“sequence”：“additional”，“affiliation”：[]}，{“orcid”：”http://\/orcid.org\/00000-0003-4976-3095“，”authenticationd-ocid“：false”，“giving”：“Ming”，“家人”：“Tang”，”sequence“：“addressive”，“ability”：[]，“member”：“297”，“published-on-line”：{“date-parts”：[2022,10,23]]}，“引用”：[{“键”：“12_CR1”，“非结构化”：“Caron，M.、Misra，I.、Mairal，J.、Goyal，P.、Bojanowski，P.和Joulin，A.：通过对比聚类赋值对视觉特征进行无监督学习。arXiv预印本arXiv:2006.09882（2020）”}，{“key”：“12_CR2”，“doi-asserted-by”：“crossref”，“非结构性”：“Caron，M.、Touvron，H.、Misra，I.、J\u00e9gou，H.，Mairal，J.、Bojanowski，P.、Joulin，A.：自监督视觉变换器中的新兴特性。arXiv预印本arXiv:2104.14294（2021）”，“DOI”：“10.1109\/ICCV48922.2021.00951”}，{“key”：“12_CR3”，“DOI-asserted-by”：“crossref”，“unstructured”：“Chen，T.，Ding，S.，Xie，J.，Yuan，Y.，Chen，W.，Yang，Y.，Ren，Z.，Wang，Z.：Abd net：专注但多样化的人重新识别。在：IEEE国际计算机视觉会议记录（2019）”，“DOI”：“10.1109\/ICCV.2019.00844”}，{“key”：“12_CR4”，“非结构化”：“Chen，X.，Fan，H.，Girshick，R.，He，K.：通过动量对比学习改进基线。arXiv预印本arXiv:2003.04297（2020）”}，{“key”：“12_CR5”，“doi-asserted-by”：“crossref”，“unstructured”：“Chen，X.，Xie，S.，He，K.：训练自我监督视觉变换器的实证研究。摘自：IEEE计算机视觉国际会议论文集，第9640\u20139649（2021）页”，“DOI”：“10.1109\/ICCV48922.2021.00950”}，{“key”：“12_CR6”，“DOI-asserted-by”：“crossref”，“unstructured”：“Chen，X.，Fu，C.，Zhao，Y.，Zheng，F.，Song，J.，Ji，R.，Yang，Y.：用于人再识别的Salience引导级联抑制网络。摘自：IEEE计算机视觉和模式识别会议论文集，pp.3300\u20133310（2020）”，“DOI”：“10.1109\/CVPR42600.2020.00336”}，{“key”：“12_CR7”，“非结构化”：“Dai，Z.，Wang，G.，Zhu，S.，Yuan，W.，Tan，P.：无监督人员重新识别的聚类对比。arxiv 2021。arXiv预印本arXiv:2103.11568（2021）“}，{“key”：“12_CR8”，“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。In:2009 IEEE Conference on Computer Vision and Pattern Recognition，pp.248\u2013255。IEEE（2009）“，“DOI”：“10.1109\/CVPR.2009.5206848”}，{“key”：“12_CR9”，“unstructured”：“Devlin，J.，Chang，M.W.，Lee，K.，Toutanova，K.：Bert:语言理解深度双向变换器的预训练。摘自：NAACL-HLT会议录，第4171\u20134186页（2019）”}Dosovitskiy，A.、Beyer，L.、Kolesnikov，A.、Weissenborn，D.、Zhai，X.、Unterthiner，T.、Dehghani，M.、Minderer，M.，Heigold，G.、Gelly，S.等人：图像值16x16个单词：用于大规模图像识别的变形金刚。arXiv预印本arXiv:2010.11929（2020）“}，{“key”：“12_CR11”，“doi-asserted-by”：“crossref”，“unstructured”：“Fu，D.，et al.：人员再识别的无监督预培训。摘自：IEEE\/CVF计算机视觉和模式识别会议论文集，第14750\u201314759（2021）页”，“doi”：“10.1109\/CVPR46437.2021.01451”}，}非结构化“：”Ge，Y.，Chen，D.，Li，H.：共同意思教学：在无监督的领域适应中对人的重新识别进行伪标签精炼。arXiv预印本arXiv:2001.01526（2020）“}，{“key”：“12_CR13”，“unstructured”：“Ge，Y.，Zhu，F.，Chen，D.，Zhao，R.，Li，H.：针对域自适应对象re-id的混合内存的自定步调对比学习。arXiv预先印本arX iv:2006.02713（2020）”}，}，“key“：”12_CR14“，“首页”：“21271”，“卷”：“33”，“作者”：“JB Grill”，“年份”：“2020”，“非结构化”：“Grill，J.B.、Strub，F.、Altch\u00e9，F.，Tallec，C.、Richemond，P.、Buchatskaya，E.、Doersch，C.、Avila Pires，B.、Guo，Z.、Gheshlaghi Azar，M.等人：引导自己的潜能——一种新的自主学习方法。高级神经。信息处理。系统。33，21271\u201321284（2020）“，“新闻标题”：“高级神经。信息处理。系统。“｝，｛”key“：”12_CR15“，”doi asserted by“：”crossref“，”unstructured“：”Guo，H.，Wu，H.，Zhao，C.，Zhang，H.，Wang，J.，Lu，H.：用于人的重新识别的级联注意力网络。In：2019 IEEE国际图像处理会议（ICIP），pp.2264\u20132268。IEEE（2019）“，“DOI”：“10.1109\/ICIP.2019.8803244”}，{“key”：“12_CR16”，“DOI-asserted-by”：“crossref”，“unstructured”：“He，K.，Fan，H.，Wu，Y.，Xie，S.，Girshick，R.：无监督视觉表征学习的动量对比。摘自：IEEE计算机视觉与模式识别会议记录，pp.9729\u20139738（2020）”，“DOI:”10.1109\/CVPR42600.2020.00975“}，{“key”：“12_CR17”，“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页（2016）”，“doi”：“10.1109\/CVPR.2016.90”}，}，“key“：”12_CR18“，”非结构化“：”He，L.，Liao，X.，Liu，W.，Liou，X..，Cheng，P.，Mei，T.：Fastreid：用于一般实例重新识别的pytorch工具箱。arXiv预印本arXiv:2006.02631（2020）“}，{“key”：“12_CR19”，“doi-asserted-by”：“crossref”，“unstructured”：“He，S.，Luo，H.，Wang，P.，Wag，F.，Li，H，Jiang12_CR20“，“非结构化”：“Hermans，A.，Beyer，L.，Leibe，B.：为人的重新身份识别三胞胎损失辩护。arXiv预印本arXiv:1703.07737（2017）“}，{“key”：“12_CR21”，“doi-asserted-by”：“crossref”，“unstructured”：“Kalayeh，M.M.，Basaran，E.，G\u00f6kmen，M.，Kamasak，M.E.，Shah，M.：用于人的重新识别的人类语义分析。摘自：IEEE计算机视觉和模式识别会议记录，pp.1062\u20131071（2018）”，“doi”：“10.1109\/CVPR.2018.00117“}，{“key”：“12_CR22”，“doi-asserted-by”：“crossref”，“unstructured”：“Luo，H.，Gu，Y.，Liao，X.，Lai，S.，Jiang，W.：技巧之袋和深度人物再识别的强大基线。摘自：IEEE计算机视觉和模式识别研讨会会议记录，pp.0\u20130（2019）”，“doi”：“10.1109\/CVPRW.2019.00190“}，{“key”：“12_CR23”，“unstructured”：“Luo，H.，Wang，P.，Xu，Y.，Ding，F.，Zhou，Y.Wang，F..，Li，H..，Jin，R.：基于变压器的人员重新身份验证的自我监督预培训。arXiv预印本arXiv:2111.12084（2021）”}，}，“key“：”12_CR24“，”doi-asserted-by“：”crossref“，”unstructure“：”Pan，X.，Luo，P.，Shi，J.，Tang，X.：两次：通过ibn-net提高学习和泛化能力。摘自：《欧洲计算机视觉会议论文集》（ECCV），第464\u2013479页（2018年）“，“DOI”：“10.1007\/978-3-030-01225-0_29”}，{“key”：“12_CR25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Sun，Y.，Zheng，L.，Yang，Y.、Tian，Q.，Wang，S.：超越部分模型：基于精细部分池（和强卷积基线）的人员检索。摘自：《欧洲计算机视觉会议论文集》，第480\u2013496页（2018）“，“DOI”：“10.1007\/978-3-030-01225-0_30”}，{“key”：“12_CR26”，“unstructured”：“Vaswani，A.等人：注意就是你所需要的。摘自《第三十一届神经信息处理系统国际会议论文集，第6000\u20136010页（2017）”}、{“key”：12_CR27“，”doi-asserted-by“：”crossref“，”unstructured“：”Wang，D.，Zhang，S.：通过多标签分类进行无监督人员重新识别。收录于：IEEE计算机视觉和模式识别会议论文集，第10981\u201310990（2020）页，“DOI”：“10.1109”，{“key”：“12_CR28”，“DOI-asserted-by”：“crossref”，“unstructured”：“Wang，G.，Yuan，Y.，Chen，X.，Li，J.，Zhou，X.：学习具有多重粒度的辨别特征以进行人的重新识别。摘自：2018 ACM多媒体会议，第274\u2013282页。ACM（2018）“，”DOI“：”10.1145 \/3240508.3240552“}，{”key“：”12_CR29“，”DOI-asserted-by“：”crossref“，”unstructured“：”Wei，L.，Zhang，S.，Gao，W.，Tian，Q.：“人转移gan以弥合人的重新身份识别领域鸿沟。摘自：IEEE计算机视觉和模式识别会议记录，pp.79\u201388（2018）”，“DOI”：“10.1109\/CVPR.2018.00016“}，{“key”：“12_CR30”，“doi-asserted-by”：“crossref”，“unstructured”：“Wu，Y.，et al.：域自适应个人re-id的多中心表示网络。In：AAAI人工智能会议论文集（2022）”，“doi”：“10.1609 \/AAAI.v36i3.20178”}，}，“key“：”12_CR31“非结构化”：“Xie，Z.等：使用swin transformers进行自我监督学习。arXiv预印本arXiv:2105.04553（2021）“}，{“key”：“12_CR32”，“doi-asserted-by”：“crossref”，“unstructured”：“Xuan，S.，Zhang，S.：无监督人员重新识别的内窥镜相似性。摘自：IEEE\/CVF计算机视觉和模式识别会议记录，第11926\u201311935（2021年）页”，“doi”：“10.1109\/CVPR46437.2021.01175“}，{“key”：“12_CR33”，“doi-asserted-by”：“crossref”，“unstructured”：“Zeng，K.，Ning，M.，Wang，Y.，Guo，Y.：用于人的重新识别的带有硬备份三重态损失的层次聚类。摘自：IEEE\/CVF计算机视觉和模式识别会议论文集，第13657\u201313665页（2020）”，“doi”：“10.1109 \/CVPR42600.2020.01367“}，{“key”：“12_CR34”，“doi-asserted-by”：“crossref”，“unstructured”：“Zheng，L.，Shen，L.、Tian，L.和Wang，S.，Wang，J.，Tian，Q.：可缩放的人重新识别：基准。摘自：计算机视觉，IEEE国际计算机视觉会议，第1116\u20131124（2015）页”，“doi”：“10.1109”，ICCV.2015.1312_CR35“，”doi-asserted-by“：”publisher“，”unstructured“：”Zhu，K.，Guo，H.，Liu，S.，Wang，J.，Tang，M.：学习语义一致的条纹和自我修饰，用于人的重新识别。IEEE传输。神经网络学习。系统。，2013年1月12日（2022年）。https:\/\/doi.org\/10.109\/TNNLS.2022.3151487“，”doi“：”10.1109\/TNLS.2022.3151487“}，{“key”：“12_CR36”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhu，K.，Guo，H.，Liu，Z.，Tang，M.，Wang，J.：用于人员重新识别的身份识别的身份引导人类语义分析，第346\u2013363（2020）页”，“doi”：“10.1007\/978-3030-580-8_21”}，{“键”：“12_CR37”，“非结构化”：“Zhu，K.等人：AAformer:用于人员重新识别的自动对齐变换器。arXiv预印本arXiv:2104.00921（2021）“}，{“key”：“12_CR38”，“doi-asserted-by”：“crossref”，“unstructured”：“Zou，Y.，Yang，X.，Yu，Z.，Kumar，B.，Kautz，J.：跨域人重新识别的联合解纠缠和适应。摘自：欧洲计算机视觉会议，第87页\u2013104。Springer（2020）“，”DOI“：”10.1007\/978-3-030-58536-5_6“}]，”container-title“：[”计算机科学讲义“，”Computer Vision\u2013 ECCV 2022“]，”original-title”：[]，”link“：[{”URL“：”https:\/\/link.Springer.com\/content\/pdf\/10007\/978-3-031-19781-9_12“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”相似性检查“}”，“存放”：{“日期部分”：[[2024,3,12]]，“日期时间”：“2024-03-12T16:33:08Z”，“时间戳”：1710261188000}，“分数”：1，“资源”：{“主要”：}“URL”：“https:\/\/link.springer.com\/10.1007\/978-3-031-19781-9_12”}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2022]，“ISBN”：[“9783031197802”，“97830.31197819”]，“references count“：38，”URL“：”http:\/\/dx.doi.org/10.1007\/978-3-031-19781-9_12“，”relationship“：｛｝，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN type“：[｛”value“：”0302-9743“，”type“：”print“｝，”value“：”1611-3349“，”type“：”electronic“｝]，”subject“：[]，”published“：｛”date parts“：[[2022]]｝，”assertion“：[｛”value“：”2022年10月23日“，”order“：1，”name“：”first_online“，”label“：”First Online”，“group”：{“name”：“ChapterHistory”，“label”：“章节历史”}}，{“value”：“ECCV”，“order”：1，“name”:“conference_acrombit”，“table”：“conference-Acromnim”，“群名”：{name“：”ConferenceInfo“，”label“：”会议信息“}}”，{value“：”欧洲计算机视觉会议“，”order“：2，“namename“：”ConferenceInfo“，”label“：”会议信息“}}，{“value”：“Tel Aviv”，“order”：3，“name”：“Conference_city”，“label”：“ConferenceCity”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}、{“值”：“Israel”，“订单”：4，“name“Conference_country”，“table”：“MeferenceCountry”会议信息“}}，{”value“：”2022“，”order“：5，”name“：”Conference_year“，”label“：”Conference_year“，“group”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}、{“value”：“2022年10月23日”，“order”：7，“name”:“Conference_start_date”，：“2022年10月27日“，”order“：8，”name“：”conference_end_date“，”label“：”会议结束日期“，”group“：名称“：”conference_id“，”label“：”会议id“，”group“：{”name“：”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”https:\/\/eccv2022.ecva.net\/“，”order“：11，”name“:”conference_0rl“，“label”：“会议url”，“group”：{“type”，“label”：“type”，“group”：{name“：”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{“value”：“CMT”，“order”：2，“name”：“conference_management_system”，“label”：“会议管理系统”，“group”：value“：”5804“，”order“：3，”name“：”number_of_submissions_sent_for_review“，”label“：”发送供审阅的提交数“，”group“：接受的全文数“，”组“：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“0”，“order”：5，“name”:“Number_of_short_Papers_Accepted”，“table”：“接受的短文数”，“group”：{同行评议信息（由会议组织者提供）“}}，{“value”：“28%-该值由等式“接受的全文数”/“发送供审阅的提交数*100”计算，然后四舍五入为整数。”，“order”：6，“name”：“acceptance_rate_of_Full_Papers”，“label”：“全文接受率”，“group”：{“name”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）}，｛“value”：“3.91”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每位评审员的平均论文数”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“Yes”，“order”：9，“name”：“external_reviewers_involved”，“label”：“涉及的外部评审员”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}