{“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”：[[2024,3,14]]，“日期时间”：“2024-03-14T00:20:03Z”，“时间戳”：1710375603388}，“出版商位置”：“新加坡”，“参考计数”：18，“出版者”：“Springer Singapore”，“isbn-type”：[{“值”：“9789811329210”，“类型”：”打印“}，{“值”：“9789811329227”，“类型”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2018,1,1]]，“date-time”：“2018-01-01T00:00:00Z”，“timestamp”：1514764800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}，{“start”：{“date-parts”：[2018,1]]0:00Z“，”timestamp“：1514764800000}，”content-version“：”tdm“，”delay-in-days“：0，“URL”：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[[2018,1,1]]，“date-time”：“2018-01-01T00:00:00Z”，“timestamp”：1514764800000}，“content-version”：“vor”，“delay-in-days”：0，“URL:”https:\//www.sprinternature.com\/gp\/searters\/text-and-date-mining“}]，”content域“：{”域“：[”link.springer.com“]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2018]]}，”DOI“：”10.1007\/978-981-13-2922-7_13“，”type“：”book-capter“，”created“：{”date-part“：[2018,10,10]]，”date-time“：”2018-10-10T18:30:24Z“，”timestamp“：1539196224000}”，“page”：“196-209”，“update-policy”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“source”：“Crossref”、“is-referenced-by-count”：0，“title”：[“使用卷积网络对视觉相似车辆图像进行可解释验证”]，“prefix”：“10.1007”，”author“：[{”given“：”Liugen“，”family“Hong”，“sequence”：“first”，“affiliation”：[]}，{“given”：”Wenchong“family”：“Wang”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Yanhui”，“family”：“Pang”，“segmentation”：“additional”、“affidiation”：[]}、{“给定”：“Hu”、“sequences”：“附加”、“famility”：[]}、}“giving”：“Jin”、“家族”：“Tang”、“sequence”:“additionable”、“atriation”：“[]}]、“member”：“297”、“published on line”：{“date-pa”rts“：[[2018,10,11]]}，“引用”：[{“密钥”：“13_CR1”，“doi-asserted-by”：“crossref”，”unstructured“：”Bhattarai，B.，Sharma，G.，Jurie，F.：CP-mtML:大规模人脸检索的耦合投影多任务度量学习。摘自：IEEE计算机视觉与模式识别会议论文集，pp.4226\u20134235（2016）“，”doi“：”10.1109\/CVPR.2016.458“}，{”issue“：”6“，”key“：”13_CR2“，“doi-asserted-by”：“publisher”，“first page”：“381”，“doi”：“10.1145\/358669.358692”，“volume”：”24“，“author”：“MA Fischler”，“year”：“1981”，“unstructured”：“Fischler，M.A.，Bolles，R.C.：随机样本共识：模型拟合范式，应用于图像分析和自动制图。Commun.ACM 24（6），381\u2013395（1981）”，“journal-title”：“Commun.ACM”}，{“key”：“13_CR3”，“unstructured”：“Krizhevsky，A.，Sutskever，I.，Hinton，G.E.：基于深度卷积神经网络的图像元分类。In:Advances In neural Information Processing Systems，pp.1097\u20131105（2012）”}“，{”key“：”13_CR4“非结构化”：“Kumar，B.，Carneiro，G.，Reid，I.，et al.：通过最小化全局损失函数，学习具有深连词和三重卷积网络的局部图像描述符。摘自：IEEE计算机视觉和模式识别会议论文集，pp.5385\u20135394（2016）”}，{“issue”：“2”，“key”：“13_CR5”，“doi-asserted-by”：“publisher”，“first page”：“91”，“DOI”：“10.1023\/B:VISI.0000029664.99615.94”，“volume”：“60”，“author”：“DG Lowe”，“year”：“2004”，“unstructured”：“Lowe，D.G.：来自尺度变化关键点的独特图像特征。《国际计算机视觉》60（2），91\u2013110（2004）”，“journal-title”：“国际计算机视觉”}，{“key”：《13_CR6》，“DOI-asserted-by”：“crossref”，“非结构化”：“Noh，H.，Hong，S.，Han，B.：语义切分的学习反褶积网络。摘自：IEEE国际计算机视觉会议论文集，第1520\u20131528页（2015）”，“DOI”：“10.1109\/ICCV.2015.178”}，{“issue”：“2”，“key”：“13_CR7”，“DOI-asserted-by”：“publisher”，“first page”：”107“，“DOI:”10.1016\/0031-3203（89）90059-9“，”volume“22”，“author”：“R Plamondon”，“year”：“1989”，“unstructured”：“Plamondo，R.，Lorette，G.：自动签名验证和作者识别-最新技术。模式识别。22（2），107\u2013131（1989）”，“日志标题”：“模式识别”}，{“key”：“13_CR8”，“doi-asserted-by”：“crossref”，“非结构化”：“Qin，H.，Yan，J.，Li，X.，Hu，X:级联CNN人脸检测联合训练。摘自：IEEE计算机视觉和模式识别会议论文集，第3456\u20133465页（2016）”，“DOI”：“10.1109\/CVPR.2016.376”}，{“key”：“13_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Redmon，J.，Divvala，S.，Girshick，R.，Farhadi，A.：你只看一次：统一的实时对象检测。摘自：IEEE计算机视觉和模式识别会议记录，第779\u2013788页（2016）”，“DOI”：“10.1109\/CVPR.2016.91”}，{“key”：“13_CR10”，“非结构化”：“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:《神经信息处理系统进展》，第91\u201399页（2015）”}，{“关键”：“13_CR11”，“非结构化”：“Simonyan，K.，Vedaldi，A.，Zisserman，A.：深层卷积网络：可视化图像分类模型和显著性地图。arXiv预印本arXiv:1312.6034（2013）”}，{“key”：“13_CR12”，“unstructured”：“Simoyan，K。Zisserman.，A.：用于大规模图像识别的非常深层卷积网。arXiv-print arXiv:1409.1556（2014）”}，{“key”：“13_CR13”，“unstructured”：“Sun，Y.，Chen，Y.Wang，X.，Tang，X.:通过联合识别验证深度学习人脸表示。In:Advances In Neural Information Processing Systems，pp.1988\u20131996（2014）”}，{“key”：《13_CR14》，“doi-asserted-by”：“crossref”，“非结构化”：“Sun，Y.，Wang，X.，Tang，X.:深入学习的人脸表征是稀疏的、选择性的和健壮的。在：IEEE计算机视觉和模式识别会议记录，第2892\u20132900页（2015）”，“DOI”：“10.1109\/CVPR.2015.7298907”}，{“key”：“13_CR15”，“DOI-asserted-by”：“crossref”，“unstructured”：“Taigman，Y.、Yang，M.、Ranzato，M.和Wolf，L.：深度脸：缩小人脸验证中人类水平表现的差距。摘自：IEEE计算机视觉和模式识别会议记录，第1701\u20131708（2014）页”，“DOI”：“10.1109\/CVPR.2014.220”}，{“key”：“13_CR16”，“series-title”：“计算机科学课堂讲稿”，“DOI-asserted-by”：“publisher”，“first page”：“328”，“DOI”：“10.1007\/978-3319-71607-7_29”，“volume-title”：“Image and Graphics”，“author”：“Z Tan”，“year”：“2017”，“unstructured”：“Tan，Z.，Liu，B.，Yu，N.:PPEDNet：用于实时语义分割的金字塔池编解码器网络。In:Zhao，Y.，Kong，X.，Taubman，D.（eds.）ICIG 2017。LNCS，第10666卷，第328\u2013339页。施普林格，查姆（2017）。https:\/\/doi.org/10.1007\/978-3-319-71607-7_29“｝，｛“key”：“13_CR17”，“unstructured”：“Yi，D.，Lei，Z.，Liao，S.，Li，S.Z:从头开始学习人脸表示。arXiv预印本arXiv:11411.7923（2014）”｝，｛“key”：“13_CR18”，“doi由”断言：“crossref”，“unstructured”：“Zagoruyko，S.，Komodakis，N.：学习通过卷积神经网络比较图像补丁。摘自：IEEE计算机视觉和模式识别会议记录，第4353\u20134361页（2015）“，”DOI“：”10.1109\/CVPR.2015.7299064“}]，”container-title“：[”大数据“，”计算机和信息科学中的通信“]，”original-title”：[]，”link“：[{”URL“：”https:\/\/link.springer.com\/content\/pdf\/10007\/978-981-13-2922-7_13“，”内容类型“：”未指定“，“内容版本”：“vor”，“预期应用程序”：“相似性检查”}]，“已存放”：｛“日期部分”：[[2024,3,13]]，“日期时间”：“2024-03-13T15:18:23Z”，“时间戳”：1710343103000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https://link.springer.com\/10.1007\/978-981-13-2922-7_13”｝，“副标题”：[]，“短标题”：[]，“已发布”：｛date-parts“：[[2018]]}，”ISBN“：[”9789811329210“，”978981 1329227“]，”references-count“：18，”URL“：”http://\/dx.doi.org\/10.1007\/978-981-13-2922-7_13“，”relation“：{}，“ISSN”：[”1865-0929“，”1865-0.937“]，“ISSN-type”：[{“value”：“1865-09299”，“type”:“print”}，{“value”：“865-0929”0937“，”type“：”electronic“}]，”subject“：[]，”published“：{”date-parts“：[[2018]]}，”assertion“：[{”value“：”2018年10月11日“，”order“：1，”name“：”first_online“，”label“：”first online“，“group”：{“name”：“ChapterHistory”，“label”：“Chapter History“}}，{“value”：“Big Data”，“order”：1，“name”:“conference_acrombit”，“标签”：“conference acronym”，“groups”：“ConferenceInfo”，”label:“ConferencyInformation”}}、{“value”：“CCF大数据会议”，“订单”：2，“name“：”conference_name“，”label“：”会议名称“，”group“：“”group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”2018“，”order“：5，”name“:”Conference_year“，”tabel“：“会议年份”，“group”：{“name”：“ConferenceInformo”，“label”：“会议信息”}，“value”：“2018年10月11日”，“order”：7，“name“，”label“：”Conference Information“}}，{“value”：“2018年10月13日”，“order”：8，“name”：“Conference_end_date”，“label”：“ConferenceEnd date”，“group”：{“name”:“ConferenceInfo”，”label“:”Conferency Information“{}，”value“：”6“order“：9，”name“Conference_nnumber”，“标签”：“会议编号”，“group”：{“name”，“ConfernceInfo”value“：”bigdat2018“，”order“：10，”name“：”conference_id“，”label“：”会议id“，”group“：