｛“status”：“ok”，“message type”：“work”，“message version”：“1.0.0”，“message”：｛“indexed”：｛“date parts”：[[2023,2,24]]，“date-time”：“2023-02-24T16:32:51Z”，“timestamp”：1677256371556｝，“publisher location”：“Cham”，“reference count”：52，“publisher”：“Springer International Publishing”，“isbn type”：[｛“value”：“9783319667089”，“type”：“print”｝，｛“value”：“9783319667096”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2017,1,1]]，“date-time”：“2017-01-01T00:00:00Z”，“timestamp”：148322880000}，“content-version”：“unspecified”，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}，{“start”：{“date-parts”：[2017,1,1]]，0:00:00Z“，”时间戳“：14832288000000}，”内容-版本“：“unspecified”，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”:{“date-parts”：[[2017]]}，”DOI“：”10.1007\/978-3319-66709-6_16“，”类型“：”book-capter“，”created“：{”date“parts“：[[2017,8,14]]，”日期时间“：“2017-08-14T04:13:01Z”，“时间戳”：1502683981000}，“页面”：“189-202”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：9，”title“：[”用于低级别视力问题的原始双网络“]，”前缀“：”10.1007“，”author“：[{”given“：”Christoph“，”family“：”Vogel“，“sequence”：“first”，“affiliation”：[]}，{“given”：“Thomas”，“family”：“Pock”，“sequence”：“additional”，“affaliation”:[]}]，“member”：“297”，“published-online”：{“date-parts”：[[2017,8,15]]}；“reference”：[{“key”：”16_CR1“，”doi-asserted-by“：”crossref“，“first-page”：“183”，“doi”：“10.1137\/080716542”，“volume”:“2”，“author”：“A Beck”，“year”：“2009”，“unstructured”：“Beck，A.，Teboulle，M.：线性反问题的快速迭代收缩阈值算法。SIAM J.Imaging Sci.2，183\u2013202（2009）”，“journal-title”：“SIAM J..Imaging Sci.”}，{“key”：“16_CR2”，“doi-asserted-by”：“crossref”，“doi”：“10.1137\/1.9780898719505”，“volume-title“：”《多重网格教程》，“author”：“WL Briggs”，“year”：“2000”，“非结构化”：“Briggs，W.L.，Henson，V.E.，McCormick，S.F.：一本多网格教程。工业和应用数学学会，费城（2000）”}，{“key”：“16_CR3”，“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“first page”：”25“doi”：“10.1007\/978-3-540-24673-23”，《volume-title》：“Computer Vision-ECCV 2004”，“author”：“T Brox”，“year”：“2004”，“unstructured”：“Brox，T.，Bruhn，A.，Papenberg，N.，Weickert，J.：基于翘曲理论的高精度光流估计。In：Pajdla，T.、Matas，J.（编辑）ECCV 2004。LNCS，第3024卷，第25\u201336页。斯普林格，海德堡（2004）。doi:10.1007\/978-3-540-24673-23“}，{“key”：“16_CR4”，“doi-asserted-by”：“crossref”，“first page”：”257“，“doi”：“10.1007\/s11263-006-6616-7”，”volume“：”70“，”author“：”A Bruhn“，”year“：”2006“，”unstructured“：”Bruhn，A.，Weickert，J.，Kohlberger，T.，Schn\u00f6rr，C.：一个使用不连续保持变分方法进行实时运动计算的多重网格平台。国际期刊计算。视觉。70，257\u2013277（2006）“，“期刊标题”：“国际计算杂志”。视觉。“}，{”key“：”16_CR5“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“136”，“doi”：“10.1007\/11585978_10”，“volume-title”：“计算机视觉和模式识别中的能量最小化方法”，“author”：“A Chambolle”，“year”：“2005”，“unstructured”：“”Chambolle，A.：总变异最小化和一类二进制MRF模型。收录人：Rangarajan，A.，Vemuri，B.，Yuille，A.L.（编辑）EMMCVPR 2005。LNCS，第3757卷，第136\u2013152页。斯普林格，海德堡（2005）。doi:10.1007\/11585978_10“}，{“key”：“16_CR6”，“unstructured”：“Chambolle，A.，Darbon，J.：离散全变差正则化的参数最大流方法。In:图像处理与图形分析（2012）。第4章”}，“key“：”16_CR7“，”doi-asserted-by“：”crossref“，”first page“：“277”，“doi”：“10.1137\/09075754”，“volume”：”A Chambolle，“年份”：“2011年”，“非结构化”：“Chambolley，A.，Levine，S.E.，Lucier，B.J.：基于全变分的迎风有限差分图像平滑方法。SIAM J.成像科学。4，277\u2013299（2011）“，“新闻标题”：“SIAM J.成像科学。“}，{”issue“：”1“，”key“：”16_CR8“，”doi-asserted-by“：”crossref“，”first-pages“：”120“，”doi“：”10.1007\/s10851-010-0251-1“，”volume“：“40”，”author“：”A Chambolle“，”year“：”2011“，”unstructured“：”Chambolley，A.，Pock，T.：凸问题的一阶原对偶算法及其在成像中的应用。J.Math.imaging Vis.40（1），120\u2013145（2011）“，”《新闻标题》：《数学杂志》。成像视觉。“}，{”key“：”16_CR9“，”doi-asserted-by“：”crossref“，”first-page“：”29“，”doi“：”10.5802\/smai-jcm.3“，”volume“：“1”，”author“：”Chambolle“，”year“：”2015“，”unstructured“：”Chambolle，A.，Pock，T.：关于计算凸函数和的邻近算子的加速块坐标下降的备注。smai-jcm 1，29\u201354（2015）“，”journal-title“：”SMAI-JCM“｝，｛“key”：“16_CR10”，“doi asserted by”：“crossref”，“nonstructured”：“Chan，T.F.，Esedoglu，S.，Nikolova，M.：寻找图像分割和去噪模型的全局极小值的算法。SIAM J.Appl.Math.6661632\u20131648（2006）”，“doi”：“10.1137\/040615286”｝，｛“key”：“16_CR11”，“doi asserted by”：“crossref”，“nonstructured”：“Chen，Y.，Yu，W.，Pock，T.：关于学习优化的反应扩散过程以有效恢复图像。In:CVPR，2015年6月“，“DOI”：“10.1109\/CVPR.2015.7299163”}，{“key”：“16_CR12”，“DOI-asserted-by”：“crossref”，“unstructured”：“Dabov，K.，Foi，A.，Katkovnik，V.，Egiazarian，K.O.：通过稀疏3D变换域协同过滤进行图像恢复。In:Transactions on Image Processing（2008）”，“DOI:”10.1117\/12.766355“}，”{“key”：”16_CR13“，”doi-asserted-by“：”crossref“，”first-page“：”1413“，”doi“：”10.1002 \/cpa.20042“，”volume“：”57“，”author“：”I Daubechies“，”year“：”2004“，”unstructured“：”Daubechines，I.，Defrise，M.，De Mol，C.：具有稀疏约束的线性反问题的迭代阈值算法。Commun公司。纯应用程序。数学。57，1413\u20131457（2004）“，“新闻标题”：“Commun。纯应用程序。数学。“}，{”key“：”16_CR14“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“184”，“doi”：“10.1007\/978-3319-10593-2_13”，“volume-title”：“Computer Vision\u2013 ECCV 2014”，“author”：“C Dong”，“year”：“2014”，”unstructured“：”Dong，C.，Loy，C.C.，He，K.，Tang，X.：学习用于图像超分辨率的深度卷积网络。收录：Fleet，D.，Pajdla，T.，Schiele，B.，Tuytelaars，T.（编辑）ECCV 2014。LNCS，第8692卷，第184\u2013199页。查姆施普林格（2014）。doi:10.1007\/978-3-319-10593-2_13“}，{“key”：“16_CR15”，“doi-asserted-by”：“crossref”，“unstructured”：“Dosovitskiy，A.，Fischer，P.，Ilg，E.，H\u00e4usser，P.、Haz\u0131rba\u015f，C.、Golkov，V.、van der Smagt，P.和Cremers，D.，Brox，T.：Flownet：用卷积网络学习光流。In:ICCV（2015）”，“doi”：“10.1109\/ICCV.2015.316“}，{”key“：”16_CR16“，”doi-asserted-by“：”crossref“，”first-page“：”41“，”doi“：”10.1007\/s11263-006-7899-4“，”volume“：“70”，”author“：”PF Felzenszwalb“，”year“：”2006“，”unstructured“：”Felzenszwalb，P.F.，Huttenlocher，D.P.：早期视觉的有效信念传播。国际期刊计算。视觉。70，41\u201354（2006）“，“期刊标题”：“国际计算杂志”。视觉。“}，{”issue“：”4“，”key“：”16_CR17“，”doi-asserted-by“：”publisher“，”first-page“：”721“，”doi“：”10.1109\/TPAMI.2010.135“，”volume“：“33”，”author“：”PF Felzenszwalb“，”year“：”2011“，”unstructured“：”Felzenszwalb，P.F.，Zabih，R.：计算机视觉中的动态编程和图形算法。IEEE Trans.Pattern Anal.Mach.Intell.33（4），721\u2013740（2011年）.doi:10.1109\/TPAMI.2010.135“，”journal-title“：”IEEE Trans。模式分析。机器。智力。“}，{”key“：”16_CR18“，”doi-asserted-by“：”crossref“，”unstructured“：”Geiger，A.，Lenz，P.，Urtasun，R.：准备好自动驾驶了吗？In:CVPR（2012）“，”doi“：”10.1109\/CVPR.2012.6248074“}，“author”：“D Goldfarb”，“year”：“2009”，“unstructured”：“Goldfarb，D.，Yin，W.：用于快速总变化最小化的参数最大流量算法。SIAM J.SCI-COMP 31，3712\u20133743（2009）“，“journal-title”：“SIAM J.-SCI-COMP”}，{“key”：“16_CR20”，“doi-asserted-by”：“publisher”，“unstructured”：“Goller，C.，K\u00fcchler，A.：通过结构反向传播学习任务相关的分布式表示。见：IEEE国际神经网络会议，第1卷，第347\u2013352页。IEEE（1996）。doi:10.1109 \/icnn.1996.548916“，”doi“：”10.1109 \/icnn.1996.548916”}，{“key”：“16_CR21”，“unstructured”：“Gregor，K.，LeCun，Y.：学习稀疏编码的快速近似。In:ICML（2010）”}、{“密钥”：“16 _CR22”，“doi-asserted-by”：“crossref”，“非结构化”：“He，K.、Zhang，X.、Ren，S.、Sun，J.：图像识别的深度残差学习。In:CVPR（2016）“，”DOI“：”10.1109\/CVPR.2016.90“}，{”issue“：”2“，”key“：”16_CR23“，”DOI-asserted-by“：”crossref“，”first page“：“328”，“DOI”：“10.1109\/TPAMI.2007.1166”，“volume”：“30”，“author”：“H Hirschm\u00fcller”，“year”：“2008”，“unstructured”：“Hirschm \u00fc ller，H：通过半全局匹配和相互信息进行立体处理。PAMI 30（2），328\u2013341（2008）“，”journal-title“：”PAMI“}，{“key”：“16_CR24”，“doi-asserted-by”：“crossref”，“first-pages”：“1333”，“doi”：“10.1109\/TPAMI.2003.1233908”，“volume”：”25“，”author“：”H Ishikawa“，”year“：”2003“，”unstructured“：”Ishikawa，H：“凸先验马尔可夫随机场的精确优化。PAMI 25，1333\u20131336（2003）”，“journal-title”：“PAMI”}，{“问题”：“7”，“密钥”：“16_CR25“，”doi-asserted-by“：”crossref“，”first page“：”1274“，”doi“：”10.1109\/TPAMI.2007.1031“，”volume“：“29”，”author“：”V Kolmogorov“，”year“：”2007“，”unstructured“：”Kolmogrov，V.，Rother，C.：用图割最小化非次模函数——综述。PAMI 29（7），1274\u20131279（2007）“，”journal-title“：”PAMI“}，{”key“：”16_CR26“，”doi-asserted-by“：”crossref“，”first page“：“147”，”doi“：”10.1109\/TPAMI.2004.1262177“，“volume”：“26”，“author”：“V Kolmogorov”，“year”：“2004”，“unstructured”：“Kolmogoriv，V.，Zabih，R.：什么能量函数可以通过图切割最小化？PAMI 26，147 u2013159（2004）“，”journal-title“：”PAMI“}，{“key”：“16_CR27”，“series-title”：“模式识别的进展”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/978-1-84800-279-1”，“volume-title”：”图像分析中的马尔可夫随机场建模“，“author”：“SZ Li”，”年份“2009”，“unstructured”：“Li，S.Z.：图像分析中的马尔可夫随机场建模。模式识别的进展。施普林格，海德堡（2009）。doi:10.1007\/978-1-84800-279-1“}，{“key”：“16_CR28”，“doi-asserted-by”：“crossref”，“unstructured”：“Lin，G.，Shen，C.，Reid，I.D.，van den Hengel，A.：语义切分的深层结构模型的有效分段训练。CoRR（2015）”，“doi”：“10.1109\/CVPR.2016.348”}，}“key”：Long，J.，Shelhamer，E.，Darrell，T.：语义分割的完全卷积网络。In:CVPR（2015）“，”DOI“：”10.1109\/CVPR.2015.7298965“}，{“key”：“16_CR30”，“unstructured”：“Martin，D.，Fowlkes，C.，Tal，D.，Malik，J.：人类分割自然图像的数据库及其在评估分割算法中的应用。In:ICCV（2001）“}Mayer，N.、Ilg，E.、H\u00e4usser，P.、Fischer，P.，Cremers，D.、Dosovitskiy，A.、Brox，T.：一个大型数据集，用于训练用于视差、光流和场景流估计的卷积网络。其中：CVPR（2016）“，”DOI“：”10.1109\/CVPR.2016.438“}，{“key”：“16_CR32”，“DOI-asserted-by”：“crossref”，“unstructured”：“Menze，M.，Geiger，A.：自动车辆的对象场景流。In:CVPRPock，T.、Unger，M.、Cremers，D.、Bischof，H.：GPU上总变异模型的快速准确解。在：CVPR-Workshop（2008）“，”DOI“：”10.1109\/CVPRW.2008.4563099“}，{“key”：“16_CR34”，“DOI-asserted-by”：“crossref”，“unstructured”：“Pock，T.，Chambolle，A.：凸优化中一阶原对偶算法的对角线预处理。在：ICCV（2011）”，“DOI”：“10.1109\/ICCV.2011.6126441”}，“key“：”16_CR35“series-title”：“《计算机科学讲义》，“doi-asserted-by”：“publisher”，“first page”：“792”，“doi”：“10.1007\/978-3-540-88690-7_59”，“volume-title”：“Computer Vision\u2013 ECCV 2008”，“author”：“T Pock”，“year”：“2008”，《unstructured》：“Pock，T.，Schoenemann，T.、Graber，G.、Bischof，H.、Cremers，D.：连续多标签问题的凸公式。收录人：Forsyth，D.、Torr，P.、Zisserman，A.（编辑）ECCV 2008。LNCS，第5304卷，第792\u2013805页。施普林格，海德堡（2008）。doi:10.1007\/978-3-540-88690-7_59“}，{“key”：“16_CR36”，“unstructured”：“Rasmus，A.、Valpola，H.、Honkala，M.、Berglund，M.，Raiko，T.：使用梯形网络的半监督学习。In:NIPS（2015）”}，}“key:”16_CR37“，”doi-asserted-by“：”crossref“，”unstructure“：”Riegler，G.、Ferstl，D.、R\u00fcther，M.、Bischof，H.：用于引导深度超分辨率的深原对偶网络。CoRR（2016）“，”DOI“：”10.5244\/C.30.7“}，｛”issue“：”3“，”key“：”16_CR38“，”DOI断言“：”publisher“，”首页“：”309“，”DOI“：”10.1145\/10157006.1015720“，”卷“：”23“，”作者“：”C Rother“，”年份“：”2004“，”非结构化“：”Rother，C.，Kolmogorov，V.，Blake，A.：\u201cGrabcut“：使用迭代图切割的交互式前景提取。ACM Trans.graph.23（3），309\u2013314（2004）.doi:10.1145\/1015706.101570720”，“日志标题”：“ACM Trans.graph.”}，{“问题”：“1”，“键”：“16_CR39”，“doi-asserted-by”：“交叉引用”，“首页”：“259”，“doi”：“10.1016\/0167-2789”（92）90242-F“，“volume”：“60”，“author”：“LI Rudin”，“year”：“1992”，“unstructured”：“Rudin，L.I.，Osher，S.，Fatemi，E.：基于非线性全变分的噪声去除算法。Phys.D:非线性Phenom.60（1），259\u2013268（1992）。http://\/dx.doi.org\/10.1016\/0167-2789（92）90242-F”，“journal-title”：“Phys.D：非线性Phenomen.”}，{key“16_CR40”，“doi”由“：“交叉引用”，“首页”：“211”，“DOI”：“10.1007\/s11263-015-0816-y”，“卷”：“115”，“作者”：“O Russakovsky”，年：“2015年”，“非结构化”：“Russakowsky，O.，Deng，J.，Su，H.，Krause，J.、Satheesh，S.，Ma，S.、Huang，Z.，Karpathy，A.，Khosla，A.，Bernstein，M.，Berg，A.C.，Fei-Fei，L.：ImageNet大规模视觉识别挑战。国际期刊。计算。视觉。115，211\u2013252（2015）“，“期刊标题”：“国际计算杂志”。视觉。“｝，｛”key“：”16_CR41“，”非结构化“：”Schwing，A.G.，Urtasun，R.：完全连接的深度结构化网络。CoRR（2015）“｝，｛”key“：”16_CR42“，”卷标题“：”水平集方法和快速推进方法。剑桥应用数学和计算数学专著“，”作者“：”JA Sethian“，”年份“：”1999“，”非结构化“：”Sethian，J.A.：水平设置方法和快速行进方法。剑桥应用数学和计算数学专著。剑桥大学出版社，剑桥（1999）“}，{“key”：“16_CR43”，“unstructured”：“Theano开发团队：Theano:用于快速计算数学表达式的Python框架。CoRR（2016）”}，}，“key“：”16_CR44“，”doi-asserted-by“：”crossref“，”unstructure“：”Valkonen，T.：非线性算子的原-对偶混合梯度法及其在MRI中的应用。In:Inverse Problems（2014）“，”DOI“：”10.1088\/0266-5611\/30\/5\/055012“}，{”key“：”16_CR45“，”first page“：“3371”，“volume”：“11”，“author”：“P Vincent”，“year”：“2010”，“unstructured”：“Vincent，P.，Larochelle，H.，Lajoie，I.，Bengio，Y.：堆叠去噪自动编码器：使用局部去噪标准学习深层网络中的有用表示。J.马赫。学习。第11号决议，3371\u20133408（2010）“，“期刊标题”：“J.Mach。学习。研究“}，{“key”：“16_CR46”，“unstructured”：“Wang，Z.，Ling，Q.，Huang，T.：学习深度$$\\ell_0$$\u2113 0编码器。In:AAAI（2016）”}，}，“key“：”16_CR47“，”doi-asserted-by“：”crossref“，”unstructure“：”Wang，Z.，Liu，D.，Yang，J.，Han，W.，Hung，T.:具有稀疏先验的图像超分辨率的深度网络。In:ICCV，pp.370\u2013378（2015）“，”DOCV I“：”10.1109\/ICCV.2015.50“}，{“key”：“16_CR48”，“doi-asserted-by”：“crossref”，“first page”：”235“，”doi“：”10.1103\/RevModPhys.54.235“，”volume“：”54“，”author“：”FY Wu“，”year“：”1982“，”unstructured“：”Wu，F.Y:The potts model.Rev.Mod.Phys.54，235（1982）“，”journal-title“：”Rev.Mod.Phys.“}“16_CR49”，“doi-asserted-by”：“crossref”，“unstructured”：“Zach，C.，Pock，T.，Bischof，H.：一种用于鲁棒TV-L1距离图像集成的全局最优算法。In:ICCV（2007）“，”DOI“：”10.1109\/ICCV.2007.4408983“}，{“key”：“16_CR50”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhang，K.，Zuo，W.，Chen，Y.，Meng，D.，Zhang“交叉引用”，“非结构化”：“Zheng，S.、Jayasumana，S.，Romera--Paredes，B.、Vineet，V.、Su，Z.、Du，D.、Huang，C.、Torr，P.：条件随机场作为递归神经网络。In:ICCV（2015）“，”DOI“：”10.1109\/ICCV.2015.179“}，{“key”：“16_CR52”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zoran，D.，Weiss，Y.：从自然图像补丁的学习模型到整体图像恢复。In:ICCR（2011）”，“DOI”：“10.1109\/ICCV.2011.6126278”}]，“container-title”：[“计算机科学讲义”，“模式识别”]，“original-title“：[]，”link“：[{”URL“：”http://\/link.springer.com/content\/pdf\/10.1007\/978-3-319-66709-6_16“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2019,10,2]，”date-time“：“2019-10-02T10:50:24Z”，”timestamp“：1570013424000}，”score“：1，”resource“：{”primary”：{“URL”：“http://\/link.springer.com/10.1007\/978-3-319-66709-6_16“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2017]]}，“ISBN”：[“9783319667089”，“978331667096”]，“引用计数”：52，“URL”：“http://\/dx.doi.org\/10.1007\/9783-319-66709-6_16”，“关系”：{}，N“：[”0302-9743“，”1611-3349“]，“ISSN-type”：[{“value”：“0302-974”，“type”:“print”}，{“value“：“1611-3349”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2017]]}}