{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2022,4,3]]，“日期-时间”：“2022-04-03T04:12:29Z”，“时间戳”：1648959149545}，“参考-计数”：60，“出版商”：“Springer Science and Business Media LLC”，“问题”：“28-29”，“许可证”：[{“开始”:{“日期-部分”：[2021,2,2]]，“时间”“：”2021-02-02T00:00:00Z“，“timestamp”：16122240000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springer.com/tdm”}，{“start”：{“date-parts”：[2021,2,2]，“date-time”：“2021-02-02T00:00:00Z”，“timetamp”：61222400000}，”content-versiion“：”vor“，”delay-in-days“：0，”URL“https://www.springer.com/tdm“}]，”内容域“：{”域“：[”link.springer.com“]，“crossmark-restriction”：false}，“short-container-title”：[“Multimed Tools Appl”]，“published-print”：{“date-parts”：[[2021,11]]}，”DOI“：”10.1007\/s11042-020-10491-7“，”type“：”journal-article“，”created“：{”date-part“：[2021,2,2]]，”date-time“：”2021-02-02T15:12:06Z“，”timestamp“：1612278726000}”，“page”：“35495-35520”，”upd ate-政策”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“source”：“Crossref”、“is-referenced-by-count”：1，“title”：[“FhVLAD:可缩放图像检索的精细量化和编码高阶描述符统计信息”]，“prefix”：“10.1007”，《volume》：“80”，“author”：[{“ORCID”：”http://\/ORCID.org\/00000-0003-2334-5856“，”authenticated-ORCID“：false，“given”：“Alexy”，“family”：“Bhowmick”，“sequence”：“first”，“affiliation”：[]}，{“givent”：“Sarat”，”family“：”Saharia“，”sequence“：”additional“，”affiliance“：[]neneneep，{”givent“：”Shyamanta M.“，”faily“：“Hazarika”，“serquence”:“additional”，“atriation”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[2021,2,2]]}，“引用”：[{“键”：“10491_CR1”，“doi-asserted-by”：“crossref”，“unstructured”：“Arandjelovi\u0107 R，Zisserman A（2012）要改进对象检索，每个人都应该知道的三件事。在：2012 IEEE计算机视觉和模式识别会议，pp 2911\u20132918”，“doi”：“10.1109\/CVPR.2012.6248018”}，{“issue”：“6”，“key”：“10491_CR2”，“doi-asserted-by”：”publisher“first page”：“1437”，“DOI”：“10.1109\/TPAMI.2017.2711011”，“volume”：“40”，“author”：“R Arandjelovi\u0107”，年：“2018”，“unstructured”：“Arandjerovi\u1017 R，Gronat P，Torii A，Pajdla T，Sivic J（2018）NetVLAD:CNN弱监督位置识别体系结构。IEEE Trans-Pattern Ana Mach Intell 40（6）：1437\u20131451。会议名称：《IEEE模式分析与机器智能汇刊》，“journal-title”：“IEEE Trans-Pattern Ana Mach Intell”}，{“key”：“10491_CR3”，“doi-asserted-by”：“crossref”，“unstructured”：“Arandjelovic R，Zisserman A（2013）All About VLAD。In:2013 IEEE conference on computer vision and Pattern recognition，pp 1578\u20131585”，“doi”：“10.1109\/CVPR.2013.207“}，{”key“：”10491_CR4“，”unstructured“：”Babenko A，Lempitsky V（2015）Aggregating local deep features for image retrieval.In:Proceedings of the 2015 IEEE international conference on computer vision（ICCV），IEEE computer Society，USA，ICCV\u201915，pp 1269\u20131277非结构化“：”Babenko A、Slesarev A、Chigorin A、Lempitsky VS（2014）图像检索的神经代码。在：计算机视觉-ECCV 2014-第13届欧洲会议，瑞士苏黎世，2014年9月6日至12日，会议记录第一部分，第584\u2013599页，“DOI”：“10.1007\/978-3-319-10590-1_38”｝，｛“issue”：“2”，“key”：“10491_CR6”，“first page”：“111”，“volume”：“42”，“author”：“KP Balanda”，“year”：“1988”，“nonstructured”：“Balanda KP，MacGillivray HL（1988）峭度：批判性评论。美国统计学家42（2）：111\u2013119“，“journal-title”：“The American Statististian”}，{“key”：“10491_CR7”，“doi-asserted-by”：“crossref”，“unstructured”：“Bay H，Tuytelaars T，Gool LV（2006）SURF：加速强大功能。In:Computer vision\u2013 ECCV 2006，《计算机科学讲义》，柏林斯普林格，第404\u2013417页”，“doi”：“10.1007\/11744023_32“}，{“key”：“10491_CR8”，“doi-asserted-by”：“crossref”，“unstructured”：“Bhowmick A，Saharia S，Hazarika SM（2019）在VLAD中编码高阶统计信息以进行可缩放图像检索。in:Deka B，Maji P，Mitra S，Bhattacharyya DK，Bora PK，Pal SK（eds）模式识别和机器智能，计算机科学讲义。Springer International Publishing，Cham，pp 559\u2013566“，“DOI”：“10.1007\/978-3030-34869-4_61”}，{“key”：“10491_CR9”，“volume-title”：“模式识别和机器学习信息科学与统计”，“author”：“C Bishop”，“year”：“2006”，“unstructured”：“Bishop C（2006）模式识别和机器学习信息科学与统计。Springer，New York“}，{”key“：”10491_CR10“，”unstructured“：”Csurka G，Dance CR，Fan L，Willamowski J，Bray C（2004）《带关键点包的视觉分类》。In:计算机视觉统计学习研讨会，ECCV，pp 1\u201322“}”，{“key”：“10491_CR11”，“doi-asserted-by”：“crossref”，“unstructure”：“”Delhumeau J，Gosselin PH，J\u00e9gou H，P\u00e 9rez P（2013）《重新审视VLAD图像表示》，ACM，纽约，“DOI”：“10.1145\/2502081.2502171”}，{“key”：“10491_CR12”，“DOI-asserted-by”：“crossref”，“unstructured”：“Eggert C，Romberg S，Lienhart R（2014）改进VLAD：分层编码和改进的局部坐标系。2014 IEEE图像处理国际会议（ICIP），第3018\u20133022页，“DOI”：“10.1109\/ICIP.2014.7025610”}，{“issue”：“3”，“key”：“10491_CR13”，”DOI-asserted-by“：”publisher“，”first page“：”496“，”DOI“：”10.1111\/coin.12202“，”volume“：“35”，“author”：“W Gao”，“year”：“2019”，“unstructured”：“Gao W，Zhu Y，Zhang W，Zhang-K，Gao H（2019）从视觉注意力导向的角度预测场景图的层次递归方法。Comput Intell 35（3）：496\u2013516“，“journal-title”：“Comput Intell”}，{“key”：“10491_CR14”，“doi-asserted-by”：“crossref”，“unstructured”：“Gong Y，Wang L，Guo R，Lazebnik S（2014）深卷积激活特征的多尺度无序池。In:Fleet DJ，Pajdla T，Schiele B，Tuytelaars T（eds）计算机视觉-ECCV 2014-第13届欧洲会议，瑞士苏黎世，2014年9月6日至12日，会议记录，第七部分，施普林格，计算机科学讲义，第8695卷，第392\u2013407页，“DOI”：“10.1007\/978-3-319-10584-0_26”｝，｛“issue”：“9”，“key”：“10491_CR15”，“DOI asserted by”：“publisher”，“首页”：“1783”，“DOI”：“10.1109\/TPAMI.2016.2613873“，“volume”：“39”，“author”：“SS Husain”，“year”：“2016”，“unstructured”：“Husain SS，Bober M（2016）通过稳健的局部描述符聚合改进大尺度图像检索。IEEE Trans-Pattern Ana Mach Intell 39（9）：1783\u20131796“，“journal-title”：“IEEE Trans-Pattern ANA Mach Intel}，{“key”：“10491_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Jegou H，Chum O（2012）图像检索中的负面证据和共现现象：主成分分析和白化的好处。摘自：计算机视觉\u2013 ECCV 2012，计算机科学课堂讲稿。柏林施普林格，pp 774\u2013787“，“DOI”：“10.1007\/978-3642-33709-3_55”}，{“key”：“10491_CR17”，“DOI-asserted-by”：“crossref”，“unstructured”：“Jegou H，Zisserman A（2014）图像搜索三角剖分嵌入和民主聚合。In:Proc IEEE Conf计算机视觉和模式识别，pp 3310\u20133317”，“DOI:”10.1109\/CVPR.2014.417“}，}”key“：”10491_CR18“，”doi-asserted-by“：”crossref“，”unstructured“：”Jegou H，Douze M，Schmid C（2008）汉明嵌入和弱几何一致性用于大规模图像搜索。摘自：第十届欧洲计算机视觉会议论文集：第一部分，施普林格，柏林，海德堡，ECCV\u201908，pp 304\u2013317，“DOI”：“10.1007\/978-3-540-88682-2_24”}，{“issue”：“3”，“key”：“10491_CR19”，“DOI-asserted-by”：“publisher”，“first page”：”316，“DOI:“10.1007\/s11263-009-0285-2”，“volume”：《87》，“author”：“H Jegou”，“year”：“2010”，“非结构化”：“Jegou H，Douze M，Schmid C（2010）改进大规模图像搜索的bag-offeatures。Int J Comput Vis 87（3）：316\u2013336“，“journal-title”：“Int J Comput Vis”}，{“key”：“10491_CR20”，“doi-asserted-by”：“crossref”，“unstructured”：“Jegou H，Douze M，Schmid C，P\u00e9rez P（2010）将局部描述符聚合为紧凑的图像表示。2010年IEEE计算机学会计算机视觉和模式识别会议，第3304\u20133311页，“DOI”：“10.1109\/CVPR.2010.5540039”}，{“issue”：“9”，“key”：“10491_CR21”，“DOI-asserted-by”：“publisher”，“first-pages”：“1704”，“DOI:”10.1109\/TPAMI.2011.235“，”volume“：”34“author”：“H Jegou”，“year”：“2012”，“unstructured”：“Jegou H，Perronnin F，Douze M，S\u00e1nchez J，P\u00e 9rez P，Schmid C（2012）将局部图像描述符聚合为紧凑代码。IEEE Trans-Pattern Ana Mach Intell 34（9）：1704\u20131716“，“journal-title”：“IEEE Trans-Pattern ANA Mach Intel}，{“key”：“10491_CR22”，“doi-asserted-by”：“crossref”，“unstructured”：“Lazebnik S，Schmid C，Ponce J（2006）除了一袋袋的特征：用于识别自然场景类别的空间金字塔匹配。收录：2006年IEEE计算机学会计算机视觉和模式识别会议记录-第2卷，IEEE计算机协会，美国，CVPR\u201906，pp 2169\u20132178Q-Li”，“年份”：“2018”，“非结构化”：“Li Q，Peng Q，Yan C（2018）CNN的多重VLAD编码用于图像分类。《计算机科学与工程》20（2）：52\u201363“，”journal-title“：”Compute Sci Eng“}，{”key“：”10491_CR24“，”unstructured“：”Liu L，Wang L，Liu X（2011）《为软设计编码辩护》。摘自：《2011年计算机视觉国际会议论文集》，ICCV\u201911。IEEE Computer Society，Washington，pp 2486\u20132493“}，{“issue”：“1”，“key”：“10491_CR25”，“doi-asserted-by”：“publisher”，“首页”：“9”，“doi”：“10.1186”，卷：“2018”，“author”：“P Liu”，“年份”：“2018年”，“非结构化”：“Liu P，Miao Z，Guo H，Wang Y，Ai N（2018）在图像检索中向聚集向量添加空间分布线索。EURASIP J Image Video Process 2018（1）：9“，”journal-title“：”EURASIP J Image视频处理“}，{”issue“：”2“，”key“：”10491_CR26“，”doi-asserted-by“：”publisher“，”first page“：“375”，”doi“：”10.1109 \/TCSVT.2015.2409693“，”volume“:”26“，“author”：“Z Liu”，“year”：“2016”，“unstructured”：“Liu Z，Houqiang L，Wenggang Z，Ting R，Qi T（2016）使残差向量分布均匀，以实现独特的图像表示。IEEE Trans-Circ Syst Video Technol 26（2）：375\u2013384“，“journal-title”：“IEEE Trans-Circ Syss Video Techol”}，{“issue”：“P3”，“key”：“10491_CR27”，“doi-asserted-by”：“publisher”，”first page“：”1183“，”doi“：”10.1016\/j.neucom.2015.08.076“，”volume“：（2016）用于图像检索的精细残差VLAD。Neurocomput 173（P3）：1183\u20131191“，“journal-title”：“Neurocumput”}，{“issue”：“10”，“key”：“10491_CR28”，“doi-asserted-by”：“publisher”，“first-page”：“5533”，“doi”：“10.1007\/s11042-015-2524-6”，“volume”:“75”，“author”：“X Long”，“year”：“2016”，“unstructured”：“Long X，Lu H，Peng Y，Wang X，Feng S（2016）基于改进VLAD的图像分类。多媒体工具和应用75（10）：5533\u20135555“，”日记标题“：”多媒体工具和运用“}，{“问题”：“2”，“关键”：“10491_CR29”，“doi-asserted-by”：“出版商”，“首页”：“91”，“doi”：“10.1023\/B:VISI.0000029664.99615.94”，“卷”：“60”，“作者”：“DG Lowe”，“年份”：“2004”，“非结构化”：“Lowe DG（2004）不同于尺度变换关键点的独特图像特征。Int J Comput Vis 60（2）：91\u2013110“，“journal-title”：“Int J Comput Vis”}，{“key”：“10491_CR30”，“unstructured”：“Mairal J，Koniusz P，Harchaoui Z，Schmid C（2014）卷积核网络。摘自：第27届神经信息处理系统国际会议论文集，NIPS\u201914，第2卷。麻省理工学院出版社，剑桥，第2627\u20132635页，｛“issue”：“1”，“key”：“10491_CR31”，“doi asserted by”：“publisher”，“first page”：“63”，“doi”：“10.1023\/B:VISI.0000027790.02288.f2”，“volume”：“60”，“author”：“K Mikolajczyk”，“year”：“2004”，“nonstructured”：“Mikolajczyk K，Schmid C（2004）Scale&affine不变量兴趣点检测器。Int J Comput Vision 60（1）：63\u201386“，”journal-title“：”Int J Comput Vision“}，{”issue“：”15“，”key“：”10491_CR32“，”doi-asserted-by“：”publisher“，”first page“：“9045”，”doi“：”10.1007\/s11042-015-2819-7“，”volume“：N（2016）一种改进的局部聚集描述符向量方法用于快速视频分类。多媒体工具和应用75（15）：9045\u20139072“，”journal-title“：”Multimedia Tools and Applications“}，{”key“：”10491_CR33“，”doi-asserted-by“：”crossref“，”unstructured“：”Ng JYH，Yang F，Davis LS（2015）利用深层网络的局部特征进行图像检索。2015年IEEE计算机视觉和模式识别研讨会（CVPRW）。IEEE，Boston，pp 53\u201361“，“DOI”：“10.1109\/CVPRW.2015.7301272”}，{“key”：“10491_CR34”，“DOI-asserted-by”：“crossref”，“unstructured”：“Nister D，Stewenius H（2006）用词汇树进行可缩放识别。2006年IEEE计算机视觉和模式识别学会会议（CVPR\u201906），第2卷，pp 2161\u20132168”，“DOI:”10.1109\/CVPR.2006.264“}，{“key”：“10491_CR35”，“doi-asserted-by”：“crossref”，“unstructured”：“Noh H，Araujo A，Sim J，Weyand T，Han B（2017）具有关注深度局部特征的大尺度图像检索。In:IEEE国际计算机视觉会议，ICCV 2017，意大利威尼斯，2017年10月22-29日，pp 3476\u20133485”，“doi”：“10.1109\/ICCV.2017.374“}，{“key”：“10491_CR36”，“doi-asserted-by”：“crossref”，“unstructured”：“Paulin M，Douze M，Harchaoui Z，Mairal J，Perronin F，Schmid C（2015）局部卷积特征与无监督图像检索训练。In:2015 IEEE国际计算机视觉会议（ICCV），pp 91\u201399”，“doi”：“10.1109\/ICCV.2015.19”}，｛“key”：“10491_CR37”，“doi asserted by”：“crossref”，“nonstructured”：“Peng X，Wang L，Qiao Y，Peng Q（2014）通过监督字典学习和高阶统计提升VLAD。In：Computer vision\u2013 ECCV 2014，《计算机科学讲义》。Springer，Cham，pp 660\u2013674”，“doi”：“10.1007\/978-3-319-10578-9_43”｝，｛“key”：“10491_CR38”，“doi-asserted-by”：“crossref”，“unstructured”：“Perronnin F，Dance C（2007）Fisher kernels on visual vocabularies for image categories.In：2007 IEEE conference on computer vision and pattern recognition，pp 1\u20138”，“doi”：“10.1109\/CVPR.2007.383266”}：“Perronnin F，Liu Y，S\u00e1nchez J，Poirier H（2010）利用压缩Fisher向量进行大尺度图像检索。In:2010 IEEE计算机视觉与模式识别学会会议，pp 3384\u20133391”，“DOI”：“10.1109\/CVPR.2010.5540009”}，{“key”：“10491_CR40”，“DOI-asserted-by”：“crossref”，“unstructured”：“Perronnin F，S\u00e1nchez J，Mensink T（2010）改进fisher核用于大规模图像分类。摘自：第十一届欧洲计算机视觉会议论文集：第四部分，ECCV\u201910。Springer，Berlin，pp 143\u2013156“，“DOI”：“10.1007\/978-3642-15561-1_11”}，{“key”：“10491_CR41”，“DOI-asserted-by”：“crossref”，“unstructured”：“Philbin J，Chum O，Isard M，Sivic J，Zisserman A（2007）大词汇和快速空间匹配的对象检索。In:2007 IEEE conference on computer vision and pattern recognition，pp 1\u20138”DOI“：”10.1109\/CVPR.2007.383172“}，{“key”：“10491_CR42”，“DOI-asserted-by”：“crossref”，“unstructured”：“Philbin J，Chum O，Isard M，Sivic J，Zisserman A（2008）Lost in quantification:Improvement special object retrieval:Improving specific object in large scale image database.in:2008 IEEE conference on computer vision and pattern recognition，pp 1\u20138”，“DOI”：“10.1109\/CVPR.2008.4587635“}，{“key”：“10491_CR43”，“doi-asserted-by”：“crossref”，“unstructured”：“Razavian AS，Azizpour H，Sullivan J，Carlsson S（2014）美国有线电视新闻网（CNN）的特色是：一个令人震惊的识别基线。收录：2014年IEEE计算机视觉和模式识别研讨会会议记录，美国IEEE计算机学会，CVPRW\u201914，pp 512\u2013519“，“DOI”：“10.1109\/CVPRW.2014.131”}，{“key”：“10491_CR44”，“DOI-asserted-by”：“crossref”，“unstructured”：“Razavian AS，Sullivan J，Carlsson S，Maki A（2016）基于深度卷积网络的可视化实例检索。arXiv:14126574[cs]“，”DOI“：”10.3169\/mta.4.251“}，{”key“：”10491_CR45“，”DOI-asserted-by“：”publisher“，”unstructured“：”Sattler T，Havelena M，Schindler K，Pollefeys M（2016）大尺度位置识别和几何突变问题。In:2016 IEEE计算机视觉和模式识别会议（CVPR）第1582\u20131590页。https:\/\/doi.org\/10.109\/CVPR.2016.175“，”doi“：”10.1109\/CVPR.2016.175“}，{”issue“：”6“，”key“：”10491_CR46“，”doi-asserted-by“：”publisher“，”first page“：“1229”，”doi:“10.1109\/TPAMI.2013.237”，“volume”：“36”，“author”：“X Shen”，“year”：“2014”，“unstructured”：“Shen X，Lin Z，Brandt J，Wu Y（2014年）用于大规模对象检索的空间约束相似性度量。IEEE Trans-Pattern Ana Mach Intell 36（6）：1229\u20131241“，“journal-title”：“IEEE Trans-Pattern Anal Mach Intel}，{“key”：“10491_CR47”，“doi-asserted-by”：“crossref”，“unstructured”：“Sivic J，Zisserman A（2003）视频谷歌：一种用于视频中对象匹配的文本检索方法。摘自：IEEE第九届计算机视觉国际会议论文集，第2卷，第1470\u20131477页，“DOI”：“10.1109\/ICCV.2003.1238663”}，{“key”：“10491_CR48”，“unstructured”：“Tolias G，Sicre R，J\u00e9gou H（2016）使用CNN激活的积分最大池进行特定对象检索。In:第四届学习表征国际会议，2016年5月2日至4日，波多黎各圣胡安，ICLR 2016，conference Track Proceedings“}，{“key”：“10491_CR49”，“doi-asserted-by”：“publisher”，“first-page”：“2467”，“doi”：“10.1016\/j.neucom.2017.1022”，“volume”：”275“author”：“M Tzelepi”，”year“2018”，“unstructured”：“Tzelepi M，Tefas A（2018）基于内容的图像检索的深度卷积学习。Neurocomputing 275:2467\u20132478“，“journal-title”：“Neurocumputing”}，{“key”：“10491_CR50”，“doi-asserted-by”：“crossref”，“unstructured”：“Wang J，Yang J，Yu K，Lv F，Huang T，Gong Y（2010）用于图像分类的局部约束线性编码。2010年IEEE计算机学会计算机视觉与模式识别会议，pp 3360\u20133367“，”DOI“：”10.1109\/CVPR.2010.5540018“}，{”key“：”10491_CR51“，”DOI-asserted-by“：”crossref“，”unstructured“：”Wang Y，Duan LY，Lin J，Wang Z，Huang T（2015）用于图像检索的分层多VLAD。2015 IEEE图像处理国际会议（ICIP），第4629\u20134633页，“DOI”：“10.1109\/ICIP.2015.7351684”}，{“issue”：“6”，“key”：“10491_CR52”，“DOI-asserted-by”：“publisher”，“first-page”：“2868”，“DOI:”10.1109\/TIP.2017.2688133“，”volume“26”，“author”：“XS Wei”，“year”：“2017”，“unstructured”：“Wei XS，Luo JH，Wu J，Zhou ZH（2017）用于细粒度图像检索的选择性卷积描述符聚合。IEEE Trans Image Process 26（6）：2868\u20132881“，“journal-title”：“IEEE Trans-Image Process”}，{“issue”：“18”，“key”：“10491_CR53”，“doi-asserted-by”：“publisher”，“first page”：”25655“，“doi”：“10.1007\/s11042-019-07771-2”，“volume”：：“78”，“author”：“Z Wu”，“year”：“2019”，“unstructured”：“Wu Z，Yu J（2019）使用超深特征进行图像检索的多级描述符。多媒体工具和应用78（18）：25655\u201325672“，”journal-title“：”Multimedia Tools and Applications“}，{”key“：”10491_CR54“，”doi-asserted-by“：”crossref“，”unstructured“：”Yang J，Yu K，Gong Y，Huang T（2009）使用稀疏编码进行图像分类的线性空间金字塔匹配。2009 IEEE计算机视觉与模式识别会议，第1794\u20131801页，“DOI”：“10.1109\/CVPR.2009.5206757”}，{“key”：“10491_CR55”，“DOI-asserted-by”：“publisher”，“first page”：”235“，“DOI:”10.1016\/j.neucom.2016.12.002“，”volume“：”237“author”：“W Yu”，“year”：“2017”，“unstructured”：“Yu W，Yang K，Yao H，Sun X，Xu P（2017）利用多层CNN特征的互补优势进行图像检索。Neurocomputing 237:235\u2013241“，“journal-title”：“Neurocumputing”}，{“key”：“10491_CR56”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhao WL，Gravier G，J\u00e9gou H（2013）面向密集和非密集旋转变量特征的池。In:Burghardt T，Damen D，Mayol-Cuevas WW，Mirmehdi M（eds）英国机器视觉会议，BMVC 2013，英国布里斯托尔，2013年9月9日至13日，BMVA出版社，“DOI”：“10.5244\/C.27.99”}，{“key”：“10491_CR57”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zheng J，Chen JC，Bodla N，Patel VM，Chellappa R（2016）VLAD编码的深度卷积特征用于无约束人脸验证。在：2016年第23届模式识别国际会议（ICPR），第4101\u20134106页，“DOI”：“10.1109\/ICIP.2016.7532906”}，{“issue”：“8”，“key”：“10491_CR58”，“DOI-asserted-by”：“publisher”，“first-page”：“311”，“DOI:”10.3390\/e18080311“，”卷：“18”，“author”：“Q Zhou”，“year”：“2016”，“unstructured”：“Zhou Q，Wang C，Liu P，Li Q、王毅、陈S（2016）分布熵增强了用于图像检索的VLAD。熵18（8）：311“，“新闻标题”：“熵”}，{“key”：“10491_CR59”，“doi-asserted-by”：“crossref”，“unstructured”：“周R，袁Q，顾X，张D（2014）空间金字塔VLAD。In:2014 IEEE视觉通信与图像处理会议，pp 342\u2013345”，“doi”：“10.1109\/VCIP.2014.7051576”}非结构化”：“Zhou X，Yu K，Zhang T，Huang TS（2010）使用局部图像描述符的超矢量编码的图像分类。摘自：计算机视觉\u2013 ECCV 2010，计算机科学讲稿。柏林施普林格，第141\u2013154页，“DOI”：“10.1007\/978-3642-1555-0_11”}]，“container-title”：[“多媒体工具和应用程序”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/link.Springer.com\/content\/pdf\/10007\/s11042-010491-7.pdf”，“内容类型”：“应用程序\/pdf”、“内容版本”：“vor”，“intended-application”：“”text-mining“}，{“URL”：“https:\/\/link.springer.com/article\/10.1007\/s11042-010491-7\/fulltext.html”，“内容类型”：“text\/html”，“content-version”：“vor”，“intended-application”：“text-mining”}，}“URL“：”https:\//link.springer\com/content\/pdf\/10.10007\/s1104-2020-10491-7.pdf“，”内容类型“：”application\/pdf“，”content-versiion“：“vor”，“intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2021,11,30]]，”date-time“：”2021-11-30T17:30:57Z“，”timestamp“：1638293457000}，”score“：1，”resource“：{primary”：{“URL”：“https:\/\/link.springer.com\/101007\/s11042-020-10491-7”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-part”：[202 1,2,2]]}，“引用计数”：60，“新闻期刊“：{”期刊“：“28-29”，“published-print”：{“date-parts”：[2021,11]]}}，“alternative-id”：[“10491”]，“URL”：“http://\/dx.doi.org\/10.1007\/s11042-020-10491-7”，“relationship”：{}，”ISSN“：[”1380-7501“，”1573-7721“]，”ISSN-type“：[{”value“：”1380-750 1“，“type”：“print”}，{“值”：“1573-7721”，“类型”：“电子”}]，“主题”：[]，“发布”：{date-parts“：[[2021,2,2]]}，”assertion“：[{”value“：”2020年4月30日“，”order“：1，”name“：”received“，”label“：”received“，“group”：{“name”：“Article History”，“label”：“文章历史”}}，{“value”：“2020年11月8日”，“order”：2，“name”:“revised”，“table”：“revised”，”group“：2020年”，“订单”：3，“name“：”accepted“，”label“：”accepted”，“group”：{“name”：“ArticleHistory”，“label”：“文章历史”}}，{“value”：“2021年2月2日”，“订单”：4，“name”:“first_online”，“标签”：“first online”，”group“：{