{“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”：[[2024,9,13]]，“日期时间”：“2024-09-13T15:38:02Z”，“时间戳”：1726241882796}，“发布者位置”：“查姆”，“引用计数”：29，“出版商”：“施普林格自然瑞士”，“isbn-type”：[{“类型”：”打印“，“值”：“9783031500770”}，{“类型”：“电子”，“值”：“9783031500787”}]，“许可证”：[{“start”：{“date-parts”：[[2023,12,24]]，“date-time”：“2023-12-24T00:00Z”，“timestamp”：170337600000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com\/gp\/researters\/text-and-data-mining”}，{“开始”：{“date-parts”：[2023,12,24]，“日期时间“：”2023-12-24T00:00:00Z“，”时间戳“：170337600000}，“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“：[2024]]}”，“DOI”：“10.1007\/978-3-0 31-50078-7_8“，”类型“：”书壳“，“created”：{“date-parts”：[[2023,12,23]]，“date-time”：“2023-12-23T06:01:59Z”，“timestamp”：170331139000}，“page”：“93-105”，“update-policy”：”http://\/dx.doi.org\/10.10007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：0，“title”：[“基于组感知的自适应融合跟踪”]，“前缀”：“10.1007”，“author”：[{“给定”：“益阳”，“家族”：“兴”，“序列”：“第一”，“从属关系”：[]}，{“给定”：“帅”，“家庭”：“王”，“顺序”：“附加”，“隶属关系”：[]}吴“，”序列“：”附加“，”从属“：[]}，{“given”：“Jiahao”，“family”：“Shen”，“sequence”：“additional”，“affiliation”：[]{“fixed”：“Hao”，“家族”：“Sheng”，“sequence”:“additionable”，“filiation“：[]2]”，”member“297”，“published-on-line”：{“date-parts”：[2023,12,24]]}“reference”：[{“key”：”8_CR1“，”doi-asserted-by“：”publisher“，“first page”：2908“，”doi“：”10.1007 \/s11432-012-4725-1“，”卷“：”55“，“author”：“Z Xiong”，“year”：“2012”，“unstructured”：“Xiong，Z.，Sheng，H.，Rong，W.，Cooper，D.E.：智能城市智能交通系统：进展综述。《科学中国信息科学》55，2908\u20132914（2012）”，“期刊标题”：“科学中国信息科技”}，{“issue”：“02”，“key”：“8_CR2”，“doi-asserted-by”：“publisher”，“首页”：“6”，“doi”：“10.1109\/MC.2014.42”，“volume”：“47”，“author”：“D Forsyth”，“year”：“2014”，“unstructured”：“Forsyth，D.：使用经过区分训练的基于部分的模型进行对象检测。Computer 47（02），6\u20137（2014）”，“journal-title”：“Computer”}，{“key”：”8_CR3“doi-asserted-by”：“crossref”，“非结构化”：“Yang，F.，Choi，W.，Lin，Y.：利用所有层：具有尺度相关池和级联拒绝分类器的快速准确CNN对象检测器。摘自：IEEE计算机视觉和模式识别会议论文集，第2129\u20132137页（2016）”，“DOI”：“10.1109\/CVPR.2016.234”}，{“key”：“8_CR4”，“DOI-asserted-by”：“crossref”，“非结构化”：“Wang，S.，Sheng，H.，Zhang，Y.，Wu，Y.、Xiong，Z.：一个没有实际数据的通用递归跟踪框架。摘自：IEEE计算机视觉国际会议论文集，第13219页，201313228（2021）”，“DOI”：“10.1109”，{“key”：“8_CR5”，“非结构性”：“Ren，S.，He，K.，Girshick，R.，Sun，J.：更快的R-CNN：利用区域提议网络实现实时目标检测。In:Advances In Neural Information Processing Systems，vol.28（2015）”}，{“key”：“8_CR6”，“doi-asserted-by”：“crossref”，“unstructured”：“Luo，W.、Xing，J.、Milan，A.、Zhang，X.、Liu，W.，Kim，T.K.：多对象跟踪：文献综述。Artif.Intell.293、103448（2021）”，“DOI”：“10.1016\/J.artint.2020.103448”}，{“key”：“8_CR7”，“DOI-asserted-by”：“publisher”，“first page”：《6694》，“DOI:”10.1109\/TIP.2020.2993073“，”volume“：”29“author”：“Y Zhang”，“年份”：“2020年”，“非结构化”：“Zhang，Y.，et al.：具有深度tracklet关联的长期跟踪。IEEE Trans.Image Process.29，6694\u20136706（2020）”，“journal-title”：“IEEE Trans.Image Proccess.”}，{“key”：“8_CR8”，“doi-asserted-by”：“crossref”，“unstructured”：“Meyer，F.，Win，M.Z.：扩展对象跟踪的可伸缩数据关联。收录：IEEE网络信号和信息处理事务，第6卷。第491页\u2013507页。IEEE（2020）“，“DOI”：“10.1109\/TSIPN.2020.2995967”}，{“key”：“8_CR9”，“unstructured”：“Xie，Z.，Zhang，W.，Sheng，B.，Li，P.，Chen，C.P.：BaGFN：用于高阶特征交互的广泛关注的图形融合网络。IEEE Transactions on Neural Networks and Learning Systems（2021）”}第一页“：”3446“，”DOI“：”10.1109\/TMI.2021.3087857“，”volume“：”40“，”author“：”R Liu“，”year“：”2021“，”unstructured“：”Liu，R.，et al.：NHBS-Net：一个用于超声新生儿髋骨分割的特征融合注意网络。IEEE传输。医学成像40（12），3446\u20133458（2021）“，“期刊标题”：“IEEE Trans。Med.Imaging“}，{“key”：“8_CR11”，“doi-asserted-by”：“crossref”，“unstructured”：“Wang，X.，Wang，J.，Kang，M.，Feng，Z.，Zhou，X，Liu，B.：LDGC-Net：用于图像检索的可学习描述符图卷积网络。Vis.Compute.1\u201315（2022）”，“doi”：“10.1007\/s00371-022-02753-2”}，“key“：”8_CR12“，”doi-assert-by“：”crossref.“，“unsructured“：“”Yang，Y.，Qi，Y.，Qi，S.：用于图像超分辨率的关系一致性图卷积网络。视觉。计算。1\u201317（2023）“，”DOI“：”10.1007\/s00371-023-02805-1“}，{”key“：”8_CR13“，”DOI-asserted-by“：”crossref“，”unstructured“：”Minoura，H.，Hirakawa，T.，Sugano，Y.，Yamashita，T.和Fujiyoshi，H.：通过基于群体的预测模块利用人类社会规范进行多模态轨迹预测。IEEE Trans.Intell.Veh.83836\u2013850（2022）“，“DOI”：“10.1109\/TIV.2022.3157126“}，{“key”：“8_CR14”，“doi-asserted-by”：“crossref”，“unstructured”：“Wang，S.，Sheng，H.，Zhang，Y.，Yang，D.，Shen，J.，Chen，R.：边缘计算中区块链驱动的分布式多摄像机多目标跟踪。IEEE Transactions on Industrial Informatics（2023）”，“doi”：“10.1109\/TII.2023.3261890”}，}，“key“：”8_CR15“，”doi-asserted-by“：”crossref“，”unstructured“：”Sun，Z.，Chen，J.，Chao，L.，Ruan，W.，Mukherjee，M.：基于逐检测跟踪框架的多行人跟踪调查。收录于：IEEE视频技术电路与系统汇刊，第31卷，第1819\u20131833页。IEEE（2020）“，“DOI”：“10.1109\/TCSVT.2020.3009717”}，{“key”：“8_CR16”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhang，P.，Zhao，J.，Bo，C.，Wang，D.，Lu，H.，Yang，X.：联合建模运动和外观线索以实现稳健的RGB-T跟踪。摘自：IEEE Transactions on Image Processing，vol.30，pp.3335\u20133347。IEEE（2021）“，”DOI“：”10.1109\/TIP.2021.3060862“}，{”issue“：”12“，”key“：”8_CR17“，”DOI-asserted-by“：”publisher“，”first page“：“3660”，“DOI”：“10.1109\/TCSVT.2018.2881123”，“volume”：“29”，“author”：“H Sheng”，“year”：“2018”，“unstructured”：“Sheng，H.，Chen，J.，Zhang，Y.，Ke，W.，Xiong，Z.，Yu，J.：带轨迹级关联的迭代多假设跟踪。IEEE传输。循环。系统。视频技术。29（12），3660\u20133672（2018）“，“期刊标题”：“IEEE Trans。循环。系统。视频技术。“}，{”key“：”8_CR18“，”unstructured“：”Milan，A.，Leal-Taix\u00e9，L.，Reid，I.，Roth，S.，Schindler，K.：MOT16:多对象跟踪基准。arXiv预打印arXiv:1603.00831（2016）“}”，{Bernardin“，”年份“：”2008“，”非结构化“：”Bernardin，K.，Stiefelhagen，R.：评估多目标跟踪性能：明确的mot指标。EURASIP J.图像视频处理。2008，1\u201310（2008）“，“journal-title”：“EURASIP J.图像视频处理。“}，{”issue“：”9“，”key“：”8_CR20“，”doi-asserted-by“：”publisher“，”first-page“：”2971“，”doi“：”10.1109\/TCSVT.2020.2988649“，“volume”：”30“，”author“：”H Sheng“，”year“：”2020“，”unstructured“：”Sheng，H.等：基于假设测试的跟踪与时空联合交互建模。IEEE Trans.Circ.Syst.Video Technol.30（9），2971\u20132983（2020）”，“期刊标题”：“IEEE Trans。循环。系统。视频技术。“}，{”key“：”8_CR21“，”unstructured“：”Wu，Y.，Sheng，H.，Wang，S.，Liu，Y..，Xiong，Z.，Ke，W.：用于多目标跟踪的组引导数据关联。摘自：《亚洲计算机视觉会议论文集》，第520\u2013535（2022）页“}”，{“issue”：“2”，“key”：“8_CR22”，“doi-asserted-by”：“publisher”，“first page”：”1058“，“doi”：“”10.1109\/TII.2019.2891258“，“卷”：“16”，“作者”：“L Wang”，“年份”：“2019年”，“非结构化”：“Wang，L.，Yu，Z.，Yang，D.，Ma，H.，Sheng，H.：使用众感知车辆轨迹数据有效定向广告牌广告。IEEE传输。工业。Inf.16（2），1058\u20131066（2019）“，“期刊标题”：“IEEE Trans。工业。Inf.“｝，｛“key”：“8_CR23”，“doi asserted by”：“publisher”，“first page”：“548”，“doi”：“10.1007\\s11263-00-01375-2”，“volume”：“129”，“author”：“J Luiten”，“year”：“2021”，“nonstructured”：“Luiten，J.，et al.：HOTA：评估多对象跟踪的高阶度量。Int.J.Comput.Vision 129548\u2013578（2021）”，“journal title”：“Int.J.Comput.Vision”｝，{“key”：“8_CR24”，“doi-asserted-by”：“crossref”，“unstructured”：“Du，Y.，et al.：StrongSORT:使DeepSORT再次伟大。IEEE Trans.Multimedia（2023）”，“doi”：“10.1109\/TMM.2023.3240881”}，{”key“：”8_CR25“，”doi-assert-by“：”publisher“，”first page“1”，“doi”：”10.1186\/s12859-018-2267-2“，”volume“19”，“author”：“B Veeramani“，“年份”：“2018年”，“非结构化”：“Veeramani，B.，Raymond，J.W.，Chanda，P.：DeepSORT:用于分选单倍体玉米种子的深度卷积网络。BMC Bioinform.19，1\u20139（2018）”，“期刊标题”：“BMC Bioinform.”}，｛“密钥”：“8_CR26”，“非结构化”：“Galor，A.，Orfaig，R.，Bobrovsky，B.Z.：Strong-TransCenter：基于密集表示的变压器改进的多目标跟踪。arXiv预打印arXiv:2210.13570（2022）”}，{“key”：“8_CR27”，“doi-asserted-by”：“crossref”，“unstructured”：“Quach，K.G.，et al.：DyGLIP：一种具有链接预测的动态图模型，用于精确的多摄像机多目标跟踪。摘自：IEEE计算机视觉和模式识别会议论文集，第13784\u201313793（2021）页”，“DOI”：“10.1109\/CVPR46437.2021.01357”}，{“key”：“8_CR28”，“DOI-asserted-by”：“crossref”，“unstructured”：“Cao，J.、Pang，J.，Weng，X.、Khirodkar，R.、Kitani，K.：以观测为中心的SORT：重新思考稳健多目标跟踪的SORT。arXiv预打印arXiv:2203.143602022”，“DOI”：“10.1109\/CVPR52729.2023.00934”}，{“key”：“8_CR29”，“非结构化”：“Aharon，N.，Orfaig，R.，Bobrovsky，B.-Z.：BoT-SORT:鲁棒关联多edestrian跟踪。arXiv预印本arXiv:2206.14651（2022）”}]，“container-title”：[“计算机科学讲义”，“计算机图形学进展”]，“原文标题”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-031-50078-7_8”，“content-type”：“未指定”，“内容-版本”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“日期-部件”：[[2023,12,23]]，“日期-时间”：“2023-12-23T06:02:59Z”，“时间戳”：1703311379000}，“分数”：1，“资源”:{“主要”：{“URL”：“https:\/\/link.springer.com/10.1007\/978-3-031-50078-7_8”}}，“副标题”：[]，“短标题”：[]，“发布”：{“日期-部件”：[[2023,12,24]]}，”ISBN“：[”9783031500770“，”97830031500787“]，“引用计数”：29，“URL”：“http://\/dx.doi.org\/10.10007\/978 3-031-50078-7_8”，“关系”：{}，“ISSN”：[“0302-9743”，“1611-3349”]，“ISSN-type”：[{“type”:“print”，“value”：“0302-7743”}，{“类型”：“电子”，“值”：“1611-3349”}]，“主题”：[]，“发布”：{“日期-部分”：[[2023,12,24]]}，“断言”：[{“值”，“2023年12月24日”，“订单”：1，“名称”：“first_online”，“标签”：“首次联机”，“组”：{name”：“ChapterHistory”，首字母缩写词“，”标签“：”会议首字母缩写“，”群组“：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“Computer Graphics International Conference”，”order“：2，”name“：”Conference_name“，”label“：”会议名称“，”group“：：“ConferenceInfo”，“label”：“Confection Information”}}，{“value”：“China”，“order”：4，“name”：“Conference_country”，“标签”：“会议国家”，“group”：{“name”:“ConferenceInfo”}，{“value”：“2023年8月28日”，“order”：7，“name”：“conference_start_date”，“label”：“会议开始日期”，“group”：i2023“，“order”：10，“name”：“conference_id”，“label”：“conference id”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}：2，“name”：“conference_management_system”，“label”：“会议管理系统”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同行评审信息（由会议组织者提供）”}}，{“value”：“385”，“order”：3，“name“：”number_of_submissions_sent_for_Review“，”label“：”发送供评审的提交数“，”group“：{”name“：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}：“0”，“order”：5，“name”：“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”：“39%-值由等式计算\”已接受的完整论文数\/已发送供审阅的提交数*100”，然后四舍五入为整数。“，”订单“：6，”名称“：”acceptance_rate_of_Full_Papers“，”标签“：”完整论文的接受率“，”组“：{”name“：”ConfEventPeerReviewInformation“，”label“：”同行审阅信息（由会议组织者提供）“}}，{”value“：”3“，“order”：7，“name”：“average_number_of_reviews_per_paper”，“label”：“每篇论文的平均评论数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同行评论信息（由会议组织者提供）”}}，{“value”：“3”，“orders”：8，“name”：“average_nument_of_papers_per_reviewer”，”label“：“每位审阅者的平均论文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}}]}}