{“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”：[[2024,4,30]]，“日期时间”：“2024-04-30T05:11:53Z”，“时间戳”：1714453913915}，“发布者位置”：“查姆”，“参考计数”：44，“出版商”：“斯普林格自然瑞士”，“isbn-type”：[{“值”：“9783031197802”，“类型”：”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_20“，”类型“：”书壳“，“created”：{“date-parts”：[[2022,10,22]]，“date-time”：“2022-10-22T12:12:59Z”，“timestamp”：1666440779000}，“page”：“336-353”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：7，“title”：[“Unstructured Feature Decoupling for \u00a0 Vehicle Re-identification”]，“前缀”：“10.1007”，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0002-7036-1659”，“authenticated-ORCID”：false，“given”：”Wen“，”family“：”Qian“，”sequence“：”first“，”affiliation“：[]}，{“OCID”：“http:\\/ORCID.org\/0000-0002-6405-4011”，“authenticated-ORCID“：false”，“give”：“Hao”，“family”：“Luo”，”se序列“：”additional“，”从属关系“：[]}，：“http://\/ORCID.org\/00000-0002-3594-5843”，“authenticated-orcid”：false，“给定”：“思龙”，“家族”：“彭”，“序列”：“附加”，“从属关系”：[]}，{“给定”，“范”，“家庭”：“王”，“顺序”：“额外”，“隶属关系”：[]}、{“orcid”：“http://\/orcid.org\/00000-0001-8297-6549”，“authonticated-ocid”：false，“已知”：“陈”，{“给定”：“好”，“family”：“Li”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[2022,10,23]]}，“reference”：[{“key”：“20_CR1”，《unstructured》：“Chen，H.，Lagadec，B.，Bremond，F.：分割与重组：用于车辆重新识别的双分支神经网络。摘自：CVPR Workshops，pp.184\u2013192（2019）”}，{“key”：《20_CR2》，“doi-asserted-by”：“crossref”，“unstructured”：“Chen，T.，et al.：Abd-net：专注但多样的人的重新识别。摘自：IEEE计算机视觉国际会议论文集，第8351\u20138361（2019）页”，“doi”：“10.1109\/ICCV.2019.00844”}，{“key”：“20_CR3”，“series-title”：“计算机科学讲稿”，“doiasserted-by“：“publisher”、“first page”：“330”，“DOI”：“10.1007\/978-3-030-58536-5_20”，“volume-title”：“Computer Vision\u2013 ECCV 2020”，“author”：“T-S Chen”，“year”：“2020”、“unstructured”：“Chen，T.-S.，Liu，C.-T.，Wu，C.-W.，Chien，S.-Y.：使用语义引导的部分注意力网络进行定向软件车辆重新识别。收录人：Vedaldi，A.、Bischof，H.、Brox，T.、Frahm，J.-M.（编辑）ECCV 2020。LNCS，第12347卷，第330\u2013346页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-58536-5_20“}，{“key”：“20_CR4”，“unstructured”：“Chen，Y.，Jing，L.，Vahdani，E.，Zhang，L.、He，M.，Tian，Y.：2019 ai city challenge中的多卡车辆跟踪和重新识别。收录于：CVPR Workshops，vol.2（2019）“}，{“key”：“20_CR5”，“doi-asserted-by”：“crossref”，“unstructured”：“Guo，H.，Zhao，C.，Liu，Z.，Wang，J.，Lu，H.：学习用于车辆重新识别的粗到细结构特征嵌入。收录于《第三十二届AAAI人工智能会议（2018）》，“doi”：“10.1609\/aaaai.v32i1.12237”}doi-asserted-by“：”crossref“，”unstructured“：”Guo，H.，Zhao，C.，Liu，Z.，Wang，J.，Lu，H.：学习从粗到细的结构化特征嵌入用于车辆重新识别。在：McIlraith，S.A.，Weinberger，K.Q.（编辑）AAAI，第6853\u20136860页。AAAI出版社（2018）。www.aaai.org\/ocs\/index.php\/AAAAI\/AAAI18\/paper\/view\/16206“，“DOI”：“10.1609\/aaaai.v32i1.12237”}，{“key”：“20_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“He，B.，Li，J.，Zhao，Y.，Tian，Y.：部分规定的近重复车辆重新识别。摘自：IEEE计算机视觉和模式识别会议记录，第3997\u20134005页（2019）“，“DOI”：“10.1109\/CVPR.2019.00412”}，{“key”：“20_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“He，K.，Gkioxari，G.，Doll\u00e1r，P.，Girshick，R.：面具R-cnn。摘自：IEEE计算机视觉国际会议论文集，第2961\u20132969页（2017）“，“DOI”：“10.1109\/ICCV.2017.322”}，{“key”：“20_CR9”，“DOI-asserted-by”：“publisher”，“unstructured”：“He，K.，Zhang，X.，Ren，S.，Sun，J.：图像识别的深度剩余学习。摘自：2016年IEEE计算机视觉和模式识别会议，2016年CVPR，美国内华达州拉斯维加斯，2016年6月27日，第770\u2013778页。IEEE计算机学会（2016）。https:\/\/doi.org/10.1109\/CVPR.2016.90“，“doi”：“10.1109\/CVPR.2016.90”}，｛“key”：“20_CR10”，“doi断言者”：“crossref”，“非结构化”：“He，S.，Luo，H.，Wang，P.，Wang，F.，Li，H.，Jiang，W.：Transreid:基于Transformer的对象重新识别。In：IEEE \/CFF国际计算机视觉会议论文集（2021）”，“doi”：“10.1109\/ICCV48922.2021.01474“}，{“key”：“20_CR11”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：”134“，“doi”：“10.1007\/978-3319-16199-0_10”，“volume-title”：”计算机视觉-ECCV 2014研讨会“，”作者：“S Khamis”，“年份”：“2015”，“非结构化”：“Khamis，S.、Kuo，C.-H.、Singh，V.K.、Shet，V.D.、Davis，L.S.：属性一致的人重新识别的联合学习。摘自：Agapito，L.、Bronstein，M.M.、Rother，C.（编辑）ECCV 2014。LNCS，第8927卷，第134\u2013146页。查姆施普林格（2015）。https:\/\/doi.org\/10.1007\/978-3-319-16199-0_10“}，{”key“：”20_CR12“，”doi-asserted-by“：”crossref“，”unstructured“：”Khorramshahi，P.，Kumar，A.，Peri，N.，Rambhatla，S.S.，Chen，J.C.，Chellappa，R.：具有自适应注意力的车辆重新识别双通道模型。摘自：IEEE计算机视觉国际会议论文集，第6132\u20136141页（2019）“，”DOI“：”10.1109\/ICCV.2019.00623“}，”key“：”20_CR13“，”series-title“：”计算机科学讲义“，”DOI-asserted-by“：”publisher“，”first page“：“369”，”DOI:“10.1007\/978-3030-58568-6_22”，”volume-title“：“计算机视觉\u2013 ECCV 2020”，”author“：”P Khorramshahi”，“年份”：“2020年”，“非结构化”：“Khorramchahi，P.，Peri，N.，Chen，J.，Chellappa，R.：魔鬼在细节中：自我监督的注意力用于车辆重新识别。收录人：Vedaldi，A.、Bischof，H.、Brox，T.、Frahm，J.-M.（编辑）ECCV 2020。LNCS，第12359卷，第369\u2013386页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-58568-6_22“}，{”key“：”20_CR14“，”doi-asserted-by“：”crossref“，”unstructured“：”Khorramshahi，P.，Rambhatla，S.S.，Chellappa，R.：面向准确的视觉和自然语言车辆检索系统。摘自：IEEE\/CVF计算机视觉和模式识别会议（CVPR）论文集研讨会，第4183\u20134192（2021）页”，“DOI”：“10.1109\/CVPRW53098.2021.00472”}，{“key”：“20_CR15”，“DOI-asserted-by”：“crossref”，“unstructured”：“Li，M.，Huang，X.，Zhang，Z.：通过对车辆重新识别及其以外的可解释注意进行自我监督的几何特征发现。收录于：IEEE计算机视觉国际会议论文集，第194\u2013204（2021）页“，”DOI“：”10.1109“/ICCV48922.2021.00026“}，{”key“：”20_CR16“，”DOI-asserted-by“：”crossref“，”unstructured“：”Li，S.，Bak，S.、Carr，P.、Wang，X.：基于视频的人再识别的多样性规范化时空关注。摘自：IEEE计算机视觉和模式识别会议论文集，第369\u2013378页（2018）“，”DOI“：”10.1109\/CVPR.2018.00046“}，{“key”：“20_CR17”，”DOI-asserted-by“：”publisher“，”first page“：”151“，“DOI”：”10.1016\/j.patcog.2019.06.006“，”volume“：“95”，“author”：“Y Lin”，“year”：“2019”，“unstructured”：“Lin，Y.，等：通过属性和身份学习改进人的重新识别。模式识别。95，151\u2013161（2019）“，“新闻标题”：“模式识别。“}，{”key“：”20_CR18“，”doi-asserted-by“：”crossref“，”unstructured“：”Liu，H.，Tian，Y.，Yang，Y.、Pang，L.，Huang，T.：深度相对距离学习：说出相似车辆之间的差异。摘自：IEEE计算机视觉与模式识别会议论文集，pp.2167\u20132175（2016）“，”doi“：”10.1109\/CVPR.2016.238“}”，{“key”：“”20_CR19“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：”21“，”doi“：”10.1007\/978-3319-46448-0_2“，”volume-title“：“Computer Vision\u2013 ECCV 2016”，”author“：”W Liu“，”year“：”2016“，”unstructured“：”Liu，W.，Angelov，D.，Erhan，D.，Szegedy，C.，Reed，S.，Fu，C.-Y.，Berg，A.C.:SSD：单发多盒探测器。在：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9905卷，第21\u201337页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46448-0_2“}，{”问题“：”3“，”密钥“：”20_CR20“，”doi-asserted-by“：”出版商“，”首页“：”645“，”doi“：”10.1109\/TMM.2017.2751966“，”卷“：”20“，“作者”：“X Liu”，“年份”：“2017”，“非结构化”：“Liu，X.，Liu，W.，Mei，T.，Ma，H.：证明：大规模城市监测的渐进式和多模式车辆重新识别。IEEE传输。多媒体20（3），645\u2013658（2017）“，“新闻标题”：“IEEE Trans。多媒体“}，{“key”：“20_CR21”，“unstructured”：“Loshchilov，I.，Hutter，F.：修复adam.CoRR abs中的重量衰减正则化（2017），arxiv.org，absLou，Y.、Bai，Y.，Liu，J.、Wang，S.、Duan，L.：真实世界：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，第3235\u20133243页（2019年）“，“DOI”：“10.1109\/CVPR.2019.00335”}，{“key”：“20_CR23”，“unstructured”：“Van der Maaten，L.，Hinton，G.：使用t-sne.J.Mach.Learn.Res.9（2605），2579\u20132605（2008年）”}、{“密钥”：“20-CR24”，“DOI-asserted-by”：“crossref”，“非结构化”：Meng，D.等人：用于车辆重新识别的基于解析的视图感知嵌入网络。收录于：IEEE计算机视觉和模式识别会议记录，第7103\u20137112（2020）页，“DOI”：“10.1109”，{“key”：“20_CR25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mo，W.，Lv，J.：级联层次化上下文软件车辆重新识别。收录于：2021年国际神经网络联合会议（IJCNN），第1\u20138页。IEEE（2021）“，”DOI“：”10.1109\/IJCNN52387.2021.9533385“}，{“key”：“20_CR26”，“DOI-asserted-by”：“crossref”，“unstructured”：“Qian，J.，Jiang，W.，Luo，H.，Yu，H.：基于条带和属性感知的网络：车辆重新识别的两分支深度模型。测量科学与技术（2020）”，“DOI”：“10.1088\/1361-6501\/ab8b81”}，“{”key“：”20_CR27“，”doi-asserted-by“：“publisher”，“unstructured”：“Qian，W.，He，Z.，Peng，S.，Chen，C.，Wu，W.：车辆识别的伪图卷积网络。摘自：第29届ACM国际多媒体会议记录。第3162页\u20133171。MM\u201921，美国纽约州纽约市计算机协会（2021）。https:\/\/doi.org/10.1145\/3474085.3475462“，“doi”：“10.1145\/3474085.3475462”}，｛“key”：“20_CR28”，“doi断言者”：“crossref”，“非结构化”：“Qian，W.，Yang，X.，Peng，S.，Yan，J.，Guo，Y.：旋转物体检测的学习调制损失。在：AAAI人工智能会议论文集，第35卷，第2458\u20132466页（2021）”DOI“：”10.1609\/aaai.v35i3.16347“}，{“key”：“20_CR29”，“DOI-asserted-by”：“crossref”，“unstructured”：“Rao，Y.，Chen，G.，Lu，J.，Zhou，J.：细粒度视觉分类和再识别的反事实注意学习。摘自：IEEE国际计算机视觉会议论文集，pp.1025\u20131034（2021）”，“DOI”：“10.1109 \/ICCV48922.2021.00106“}，{“key”：“20_CR30”，“doi-asserted-by”：“crossref”，“unstructured”：“Selvaraju，R.R.，Cogswell，M.，Das，A.，Vedantam，R.，Parikh，D.，Batra，D.：Grad-cam：通过基于梯度的本地化从深层网络中进行可视化解释。摘自：IEEE计算机视觉国际会议论文集，第618\u2013626页（2017）“，”DOI“：”10.1109\/ICCV.2017.74“}，{“key”：“20_CR31”，“unstructured”：“Shen，F.，Xie，Y.，Zhu，J.，Zhu.，X.，Zeng，H.：Git：车辆重新识别的图形交互转换器。arXiv预印本arXiv:2107.05475（2021）”}，}，“key“：”20_CR32“，”DOI-asserted-by“：”crossref“，”非结构化“：”Sun，Y.，Zheng，L.，Yang，Y.，Tian，Q.，Wang，S.：超越部分模型：具有精细部分池（和强卷积基线）的人检索。摘自：《欧洲计算机视觉会议论文集》（ECCV），第480\u2013496页（2018年）“，“DOI”：“10.1007\/978-3-030-01225-0_30”}，{“key”：“20_CR33”，“unstructured”：“Suprem，A.，Pu，C.：Looking grammous:Vehicle re-id In the ison cameras networks with global and local attention”。arXiv预印本arXiv:2002256（2020）doi-asserted-by“：”crossref“，”unstructured“：”Touvron，H.，Cord，M.，Sablayrolles，A.，Synnaeve，G.，J\u00e9gou，H.：深入研究图像变换器。收录于：IEEE计算机视觉国际会议论文集（2021）“，”DOI“：”10.1109“/ICCV48922.2021.00010“}，{”key“：”20_CR35“，”DOI-asserted-by“：”crossref“，”unstructured“：”Wang，H.，Peng，J.，Chen，D.，Jiang，G.，Zhao，T.，Fu，X.：用于车辆重新识别的属性引导特征学习网络。arXiv预印本arXiv:2001.03872（2020）“，”DOI“：”10.1109\/MMUL.2020.2999464“}，{”key“：”20_CR36“，”DOI-asserted-by“：”publisher“，”first page“：“55”，“DOI”：“10.1016\/j.neucom.2020.06.148”，“volume”：“438”，“author”：“H Wang”，“year”：“2021”，“unstructured”：“Wang，H.，Peng，J.，Jiang，G.，Xu，F.，Fu，X.：车辆再识别的判别特征和使用部件模型的字典学习。Neurocomputing 438，55\u201362（2021）“，“journal-title”：“Neurocumputing”}，{“key”：“20_CR37”，“unstructured”：“Zhang，X.，Zhang，R.，Cao，J.，Gong，D.，You，M.，Shen，C.：用于车辆重新识别的部分引导注意力学习。CoRR abs \/1909.06023（2019），arxiv.org \/abs\/190909.06033”}Zhang，Z.，Lan，C.，Zeng，W.，Jin，X.，Chen，Z.：人际关系意识对人的重新识别的全球关注。摘自：IEEE计算机视觉和模式识别会议记录，第3186\u20133195（2020）页，“DOI”：“10.1109\/CVPR42600.2020.00325”}，{“issue”：“2”，“key”：“20_CR39”，“DOI-asserted-by”：“publisher”，“first-page”：“723”，“DOI:”10.1109\/TITS.2019.2896273“，”volume“：”21“author”：“Y Zhao”，“year”：“2019”，“unstructured”：“Zhao，Y.，Shen，C.，Wang，H.，Chen，S.：车辆再识别和检索属性的结构分析。IEEE传输。智力。运输。系统。21（2），723\u2013734（2019）“，“期刊标题”：“IEEE Trans。智力。运输。系统。“}，{”key“：”20_CR40“，”unstructured“：”Zheng，A.，Lin，X.，Li，C.，He，R.，Tang，J.：用于车辆重新识别的属性引导特征学习。arXiv预印本arXiv:1905.08997（2019）“}”，{“key”：“20_CR41”，“doi-asserted-by”：“crossref”，“unstructure”：“”Zhou，J.，Su，B.，Wu，Y.：基于频繁共享子集挖掘的在线联合多尺度自适应，用于人的重新识别。收录于：IEEE计算机视觉和模式识别会议论文集，第2909页，20132918（2020），“DOI”：“10.1109”，{“key”：“20_CR42”，“DOI-asserted-by”：“publisher”，“unstructured”：“周，Y.，邵，L.：车辆再识别的视点软件关注多视图推理。参见：2018年IEEE计算机视觉和模式识别会议，CVPR 2018，美国犹他州盐湖城，2018年6月18日\u201322，pp.6489\u20136498。IEEE计算机学会（2018）。https:\/\/doi.org\/10.109\/CVPR.2018.00679。openaccess.thevf.com/content_cvpr_2018\/html\/Zhou_Viewpoint-Aware_Attentitive_Multi-View_cvpr_2018_paper.html“，”DOI“：”10.1109\/cvpr.2018.00679“}，{“issue”：“1”，“key”：“20_CR43”，“DOI-asserted-by”：“publisher”，“first page”：”410“，“DOI”：“10.1109\/TITS.2019.2901312”，“volume”：：“2019年”，“非结构化”：“Zhu，J.等：使用四向深度学习特征进行车辆重新识别。IEEE传输。智力。运输。系统。21（1），410\u2013420（2019）“，“期刊标题”：“IEEE Trans。智力。运输。系统。“}，{”key“：”20_CR44“，”unstructured“：”Zhu，R.，Fang，J.，Xu，H.，Yu，H..，Xue，J.：Dcdlearn:用于车辆重新识别的多阶深度跨距离学习。arXiv预印本arXiv:2003.1135（2020）“}]，”container-title“：[”计算机科学课堂讲稿“，”Computer Vision\u2013 ECCV 2022“]，”original-title”：[]，“link”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-031-19781-9_20“，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[[2024,3,12]，“date-time”：”2024-03-12T16:35:53Z“，“timestamp”：1710261353000}，“score”：1，“resource”：{“primary”：“{”URL“：”https:\/\/link.springer.com/10.1007\/978-3-031-19781-9_20“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期-部件“：[[2022]]}，“ISBN”：[“9783031197802”，”978303117819“]，”引用计数“：44，”URL“：”http://\/dx.doi.org\/10.1007\/9783-031-19781-9_20“，”关系“：{}，“：[”0302-9743“，”1611-3349“]，“ISSN-type”：[{“value”：“0302-974”，“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”：“ChapterHistory”｝，｛“组”：｛“名称”：ConferenceInfo“，”label“：”ConferenceInformation“}}，{”value“：”European Conference on Computer Vision“，”order“：2，”name“：”Conference_name“，”标签“：”会议名称“，”group“：label“：”Conference Information“}}，{“value”：“Israel”，“order”：4，“name”：“Conference_country”，“label”：“ConferenceCountry”，”group“：{”name“：”ConferenceInfo“，”label“:”Conferency Information“{}，”value“：”2022“，”order“：5，”name“:”Conference_year“，”标签“：”会议年“，”组：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}、{“value”：“”2022年10月23日“，”order“：7，”name“：”conference_start_date“，”label“：”会议开始日期“，”group“：9，“name“：”conference_number“，”label“：”会议编号“，”group“：{“name”：”ConferenceInfo“，“label”：”会议信息“}}，{“value”：”eccv2022“，”order“：10，”name“：“conference_id”，“lable”：“会议id”，“group”:{“name”：“ConferenceInformo”，“label”：“Meeting Information”}}、{“value”：“https:\\/eccv2022.ecva.net\\”，“order”：11，“name“：”conference_url“，”标签“：”会议URL“，”组“：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“Double-blind”，“order”：1，“名称”：“type”，”标签“：“type”，“group”：{名称：“ConfEventPeerReviewInformation”，“标签”：“同行评审信息（由会议组织者提供）”}}}label“：”会议管理系统“，”group“：{“name”：“ConfEventPeerReviewInformation”，“label”：“Peer Review信息（由会议组织者提供）”}}，{“value”：“5804”，“order”：3，“name”:“number_of_submissions_sent_for_Review”，“table”：“发送供审阅的提交数”，“group”：同行评议信息（由会议组织者提供）“}}，{“value”：“1645”，“order”：4，“name”：“number_of_full_papers_accepted”，“label”：“已接受的完整论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“tabel”：number_of_short_papers_accepted“，”label“：”接受的短文数“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行评审信息（由会议组织者提供）“}}，{”value“：”28%-该值由等式“接受的全文数”/发送供评审的提交数*100\“计算然后四舍五入到一个整数。“，”order“：6，”name“：”acceptance_rate_of_full_papers“，”label“：”完整论文的接受率“，”group“：”{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“3.21”，“order”：7，“name”:“average_number_of_reviews_per_paper”，“table”：“每篇论文的平均审阅次数”，“group”：{“”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{“value”：“3.91”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：{“name”:“ConfEventpeerReview信息”，“标签”：“”同行评审信息（由会议组织者提供）“}}，{“value”：“Yes”，“order”：9，“name”：“external_reviewers_involved”，“label”：“external reviewers involved”、“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息