{“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”：[[2023,11,30]]，“日期时间”：“2023-11-30T00:38:39Z”，“时间戳”：1701304719547}，“发布者位置”：“Cham”，“引用计数”：44，“发布商”：“Springer Nature Switzerland”，“isbn-type”：[{“值”：“9783031198021”，“类型”：”print“}，{“值”：“9783031198038”，“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”，“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”}rts“：[2022,1,1]]，“日期时间”：“2022-01-01T00:00:00Z”，“timestamp”：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\/978-3-031-19803-8_1“，”类型“：“book-chapter”，“created”：{“date-parts”：[[2022,10,22]]，“date-time”：“2022-10-22T13:05:16Z”，“timestamp”：1666443916000}，“page”：“1-16”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：0，“title”：[“使用稳健参数更新和\u00a0熵进行主动标签更正传播“]，“前缀”：“10.1007”，“作者”：[{“ORCID”：“http://\/ORCID.org\/0000-0002-6470-4571”，“authenticated-ORCID”：false，“给定”：“Kwang-In”，“family”：“Kim”，“sequence”：“first”，“affiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[2022,10,23]]}，“reference”：[[{”key“：”1_CR1“，“首页”：“1”，“卷”：“22”，“作者”：“C Arachie”，“年份”：“2021”，“非结构化”：“Arachie，C.，Huang，B.：对抗性标签学习的一般框架。JMLR 22，1\u201333（2021）”，“journal-title”：“JMLR”}，{“key”：“1_CR2”，“doi-asserted-by”：“crossref”，“unstructured”：“Bernhardt，M.，et al.：主动标签清理：在资源约束下提高数据集质量。In:arXiv:2109.00574（2021：“10.1038\/s41467-022-28818-3”}，{“key”：“1_CR3”，“doi-asserted-by”：“crossref”，“unstructured”：“Budninskiy，M.，Abdelaziz，A.，Tong，Y.，Desbrun数学”，“doi-asserted-by”：“publisher”，“first page”：“118”，”doi“：”10.1007 \/BFb0089235“，”volume-title“：”常微分方程的数值方法“，”author“：”LF-Shampine“，”year“：”1989“，”unstructured“：”Shampine，L.F.：ODE代码中的容差比例。in:Bellen，A.，Gear，C.W.，Russo，E.（eds.）常微分方程的数值方法。LNM，第1386卷，第118\u2013136页。斯普林格，海德堡（1989）。https:\/\/doi.org\/10.1007\/BFb0089235“}，{“key”：“1_CR5”，“unstructured”：“Fang，T.，Lu，N.，Niu，G.，Sugiyama，M.：重新思考分布转移下深度学习的重要性权重。In:NeurIPS（2020）”}，}，“key“：”1_CR6“，”doi-asserted-by“：”crossref“，”unstructure“：”Gao，R.，Saar-Teschensky，M.：主动学习的成本准确自适应标记。收录于：AAAI，pp.2569\u20132576（2020）“，“DOI”：“10.1609\/AAAI.v34i03.5640”}，{“key”：“1_CR7”，“unstructured”：“Griffin，G.，Holub，A.，Perona，P.：Caltech-256对象类别数据集。技术报告。加州理工学院（2007）”}Han，B.等人：联合教学：具有极端噪声标签的深度神经网络的鲁棒训练。In：NIPS（2018）“}，{“key”：“1_CR9”，“doi-asserted-by”：“crossref”，“unstructured”：“He，K.，Zhang，X.，Ren，S.，Sun，J.：图像识别的深度剩余学习。In：CVPR，pp.770\u2013778（2016）”，“doi”：“10.1109\/CVPR.2016.90”}Hein，M.：统计学习理论的几何方面。博士论文。德国达姆施塔特技术大学（2005）“}，{”key“：”1_CR11“，”series-title“：”计算机科学讲稿（人工智能讲稿）“，”doi-asserted-by“：”publisher“，”first page“：“470”，”doi“：”10.1007\/11503415_32“，”volume-title“：“学习理论”，”author“：”M Hein“，”year“：”2005“，”unstructured“：”Hein，M.，Audibert，J.-Y.，von Luxburg，U.：从图到流形\u2013图拉普拉斯算子的弱点一致性和强点一致性。收录：Auer，P.，Meir，R.（编辑）COLT 2005。LNCS（LNAI），第3559卷，第470\u2013485页。斯普林格，海德堡（2005）。https:\/\/doi.org\/10.1007\/11503415_32“}，{“key”：“1_CR12”，“doi-asserted-by”：“crossref”，“unstructured”：“Hein，M.，Maier，M.：流形去噪。In:NIPS，pp.561\u2013568（2007）”，“doi”：“10.7551\/mitpress\/753.003.0075”}Henter，D.、Stahlt，A.、Ebbecke，M.、Gillmann，M.：分类器自我评估：文档分类的主动学习和主动噪声校正。在：ICDAR，pp.276\u2013280（2015）“，”DOI“：”10.1109\/ICDAR.2015.7333767“}，”key“：”1_CR14“，”DOI-asserted-by“：”crossref“，”unstructured“：”Huang，J.，Qu，L.，Jia，R.，Zhao，B.：O2U-Net:一种用于深层神经网络的简单噪声标签检测方法。在：ICCV，pp.3326\u20133334（2019）“，CR15“，”非结构化“：”Iserles，A.：微分方程数值分析第一课程。剑桥大学出版社，第二版。（2012）“}，{“key”：“1_CR16”，“unstructured”：“Kremer，J.，Sha，F.，Igel，C.：稳健的主动标签更正。摘自：AISTATS，第308\u2013316页（2018）”}，}“key:”1_CR17“，”unstructure“：”Krizhevsky，A.：《从微小图像中学习多层特征》。技术报告。多伦多大学（2009）非结构化”：“Kr\u00fcger，M.，Novo，A.S.，Nattermann，T.，Mohamed，M.，Bertram，T.：减少标签注释中的噪声：变道预测案例研究。摘自：IFAC智能自主汽车研讨会，第221\u2013226页（2019年）“，“DOI”：“10.1016\/j.ifacol.2019.08.074”}，{“key”：“1_CR19”，“DOI-asserted-by”：“publisher”，“unstructured”：“Li，S.-Y.，Shi，Y.，Huang，S.-j.，Chen，S.：通过双主动标签校正改进深标签噪声学习。Mach.Learn.11，1_201322（2021）.https:\/\/doi.org\/10.1007\/s10994-021-06081-9“，”doi“：”10.1007\/s10994-021-0601-9“}，{“问题”：“3”，“密钥”：“1_CR20”，“doi-asserted-by”：“发布者”，“首页”：“447”，“doi”：“10.1109\/TPAMI.2015.245899”，“卷”：“38”，“作者”：“T Liu”，“年份”：“2016”，“非结构化”：“Liu，T.，Tao，D.：通过重要性重加权对噪声标签进行分类。IEEE TPAMI 38（3），447\u2013461（2016）“，“journal-title”：“IEEE TPAM”}，{“key”：“1_CR21”，“unstructured”：“Nallapati，R.，Surdeanu，M.，Manning，C.：CorrActive learning：通过人机交互从噪声数据中学习。In:IJCAI Workshop on Intelligence and interaction（2009）”}、{“密钥”：“1_CR22”，“doi-asserted-by”：“crossref”，“非结构化”：“Parde，N.，Nielsen，R.D.：在嘈杂的人群中寻找模式：基于回归的众包数据注释聚合。在：EMNLP，第1907页\u20131912（2017）“，“DOI”：“10.18653\/v1\/D17-1204”}，{“key”：“1_CR23”，“unstructured”：“Park，S.，Jo，D.U.，Choi，J.Y.：基于过量输入模型属性的过频：噪声-标签检测。在：arXiv:2106.07217（2021）”}中，{”issue“：”1372“，”key“：”1_CR24“，”首页“：”1“，”卷“：”10“，“author”：“F Pierri”，“年份”：“2020年”，“非结构化”：“Pierri，F.、Piccardi，C.、Ceri，S.：推特扩散网络的拓扑比较有效地揭示了误导性信息。科学。代表10（1372），2013年1月19日（2020）“，“期刊标题”：“科学。代表“}，{“key”：“1_CR25”，“doi-asserted-by”：“crossref”，“unstructured”：“Rebbapragada，U.，Brodley，C.E.，Sulla-Menahe，D.，Friedl，M.A.：主动标签更正。摘自：ICDM，pp.1080\u20131085（2012）”，“doi”：“10.1109\/ICDM.2012.162”}，}“key”：Rehbein，I.，Ruppenhofer，J.：检测自动标记数据中的注释噪声。摘自：ACL，pp.1160\u20131170（2018）“，”DOI“：”10.18653\/v1\/P17-1107“}，{“key”：“1_CR27”，“unstructured”：“Ren，M.，Zeng，W.，Yang，B.，Urtasun，R.：学习重新权衡稳健深度学习的示例。摘自：ICML（2018）”}，“key“：”1_CR28“，”unstructure“：”Rosenberg，S.：黎曼流形上的拉普拉斯算子。剑桥大学出版社（2009）“}1_CR29“，“非结构化”：“Shen，Y.，Sanghavi，S.：通过迭代修剪损失最小化学习不良训练数据。In:ICML（2019）“}，{“key”：“1_CR30”，“doi-asserted-by”：“crossref”，“unstructured”：“Sheng，V.S.，Provost，F.，Ipeirotis，P.G.：获取另一个标签？？使用多个噪声标签改善数据质量和数据挖掘。In:KDD，pp.614\u2013622（2009）”，“doi”：“10.1145\/1401890.1401965”}，}“key:”1_CR31Stokes，J.W.，Kapoor，A.，Ray，D.：寻求第二种意见：重新查询嘈杂的多类标签。在：ICASSP，pp.2329\u20132333（2016）“，”DOI“：”10.1109\/ICSPSP.2016.7472093“}，{”key“：”1_CR32“，”first page“：“1711”，“volume”：“9”，“author”：“AD Szlam”，“year”：“2008”，“unstructured”：“Szlam，A.D.，Maggioni，M.，Coifman，R.R.：具有函数自适应扩散过程的图的正则化。JMLR 9，1711\u20131739（2008）”，“日志标题“：”JMLR“}，{”密钥“：”1_CR33“，”doi-asserted-by“：”crossref“，”unstructured“：”Tajbakhsh，N.，Jeyaseelan，L.，Li，Q.，Chiang，J.N.，Wu，Z.，Ding，X.：包含不完美数据集：医学图像分割深度学习解决方案综述。医学图像分析。63（2020）“，“DOI”：“10.1016\/j.media.2020.101693”}，{“key”：“1_CR34”，“unstructured”：“Urner，R.，David，S.B.，Shamir，O.：向弱势教师学习。摘自：AISTATS，pp.1252\u20131260（2012）”}、{“key”：van Rooyen，B.，Menon，A.K.，Williamson，R.C.：学习对称标签噪音：精神错乱的重要性。In:NIPS（2015）“}，{”issue“：”1“，”key“：”1_CR36“，”doi-asserted-by“：”crossref“，”first page“：“1”，”doi“：”10.1038\/s41467-020-20314-w“，”volume“：al-title“：”国家。Commun公司。“}，{”key“：”1_CR37“，”unstructured“：”Xiao，H.，Rasul，K.，Vollgraf，R.：FashionMNIST：一个用于基准机器学习算法的新型图像数据集。arXiv:1708.07747（2017）“}”，{“key”：“1_CR38”，“unstructure”：“Yan，S.，Chaudhuri，KYounesia，T.、Epema，D.、Chen，L.Y.：使用弱标记器和强标记器对噪声数据流进行主动学习。arXiv:2010.14149v1（2020）“}，{“key”：“1_CR40”，“unstructured”：“Zhang，C.，Chaudhuri，K.：从弱标记和强标记中主动学习。In:NIPS（2015）”}，}，“key“：”1_CR41“，”unstructure“：”Zhang、C.、Bengio，S.、Hardt，M.、Recht，B.、Vinyals，O.：理解深度学习需要重新思考泛化。In:ICLR（2017）doi-asserted-by“：”crossref“，”unstructured“：”Zhang，M.，Hu，L.，Shi，C.，Wang，X.：图形神经网络的对抗性标签翻转攻击和防御。在：ICMM（2020）”中，“DOI”：“10.1109\/ICDM5018.200.00088”}，｛“key”：“1_CR43”，“nonstructured”：“Zhu，Z.，Dong，Z.，Liu，Y.：检测损坏的标签而不训练模型进行预测。在：ICML（2022）”}中，｛“key”：“1_CR44”，“DOI asserted by”：“publisher”，“first page”：“1”，“DOI”：“10.15346\/hc.v7i1.1”，“volume”：“7”，“author”：“SN\u00d8tting”，“年份”：“2020”，“非结构化“：”\u00d8rting，S.N.，et al.：医疗图像分析中的众包调查。嗯，计算。7，1\u201326（2020）“，“新闻标题”：“嗯，计算。“}]，”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\/10007\/978-3-031-19803-8_1“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”相似性检查“}”，“存放”：{”date-parts“：[2023,11,29]]，“日期-时间”：“2023-11-29T1:37:15Z”，“时间戳”：17012578350000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https://link.springer.com\/10.1007\/978-3-031-1983-8_1”｝，“副标题”：[]，“短标题”：[]，“已发布”：｛“日期部分”：[[2022]]｝，“国际标准图书编号”：[“9783031198021”，“9783031198038”]，“引用次数”：44，“URL”：“http:\/\/dxf doi.org/10.1007\/978-3-031-19803-8_1“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”0302-7743“、”type“:”print“}、{”value“：”1611-33049“、”类型“：”electronic“}]、”subject“：【】、”published“：{”date-parts“：【2022】}、”assertion“：【{”value“：“2022年10月23日”、“订单”：1、“名称”：“first_online”、“标签”：“first online”，“组”：{“名称”：“章节历史”，“标签”：“章历史”}}，{“value“：”ECCV“，”order“：1，”name“：”conference_acrombior“，”label“：”conference缩写“，”group“：order“：3，”name“：”conference_city“，”label“：”会议城市“，”group“：“：”会议年份“，”组“：{“name”：“ConferenceInfo”，“label”：“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”：{”name“：“ConfenceInfo”group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”17“，”order“：9，”name“:”Conference_number“，“label”：“会议编号”，“group”：{“name”：“ConferenceInformo”，“lable”：“conferenceInformation”}，，{“value”：“eccv2022”，“order”：10，“name”:“Conference_id”，“table”：”会议id“，”group“:{”name:“ConfernceInfo”，“标签”：“会议信息“}}，{“value”：“https:\/\/eccv2022.ecva.net\/”，“order”：11，“name”：“Conference_url”，“label”：“会议url”，“group”：{“name”:“ConferenceInfo”，“table”：“Conferency Information”}}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“：number_of_submissions_sent_for_review“，”label“：“发送供审阅的提交数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“1645”，“order”：4，“name”:“number_ of_full_papers_accepted”，“标签”：“已接受的全文数”，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）28%-该值通过公式“接受的完整论文数量/发送供审查的提交数量*100”计算，然后四舍五入为整数。“，”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”：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”：“同行评审信息从研讨会中，367篇经评审的论文被选为出版物“，”订单“：10，”名称“：”additional_info_on_review_process“，”标签“：”评审过程的附加信息“，”组“：{”名称“:”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}]}}