{“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”：[[2024,5,15]]，“日期-时间”：“2024-05-15T06:31:01Z”，“时间戳”：1715754661296}，“参考-计数”：48，“出版商”：“Springer Science and Business Media LLC”，“问题”：“2-3”，“许可证”：[{“开始”：{-“日期-零件”：[2022,10,13]]，”日期-时间“：”2022-10-13T00:00:00Z“，“timestamp”：1665619200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[2022,10,13]]，“date-time”：“2022-10-13T00:00Z”，“timetamp”：665619200000neneneep，“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”：[“J Sign Process Syst”]，”published-print“：{”date-parts“：[2023,3]]}，”DOI“：”10.1007\/s11265-022-01816-w“，”类型“：”journal-article“，”created“：”{“date-part”rts”：[[2022,10,13]]，“date-time”：“2022-10-13T19:03:36Z”，“timestamp”：1665687816000}，“page”：“177-195”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：“Crossref”，“is-referenced-by-count”：4，“title”：[“U$^2$$-NetP网络结合复杂情况下船舶吃水读数坐标注意的研究与应用”]，“前缀”：“10.1007”，“卷”：“95”，“作者”：[{给定”：“威豪”，“家族”：“李”，“序列”：“第一”，“隶属关系”：[]}，{给定：“卫”，“家族”：“战”，“序列”：“附加”，“隶属关系”：[]}，{给定：“道”，“家族”：“韩”，“序列”：“附加”，“隶属关系”：[]}，{给定：“培文”，“家族”：“王”，“序列”：“附加”，隶属关系“：[]｝，｛”给定“：”Hu“，“家族”：“刘”，“序列”：“附加”，“从属关系”：[]}，{“给定”：“蒙远”，“家庭”：“熊”，“顺序”：“额外”，“隶属关系”：[]}“，”key“：”1816_CR1“，”首页“：”609“，“卷”：“42”，“作者”：“朱军”，“年份”：“2021”，“非结构化”：“朱军，&朱军（2021）.基于误差传递原理的水尺测量误差分析.计量学报，42（5），609\u2013614。（在中国）。“，”journal-title“：”journal of Metrology“}，{“key”：“1816_CR2”，“doi-asserted-by”：“crossref”，“unstructured”：“Tsujii，T.，Yoshida，H.，&Iiguni，Y.（2016）.基于图像处理的自动草稿读取[文章].光学工程，55（10），9，第104104条。https:\/\/doi.org\/10.117\/1.Oe.55.10.104104“，”doi“：”10.1117\/1.Oe.55.10.104104“}，{“key”：“1816_CR3”，“doi-asserted-by”：“crossref”，“unstructured”：“Canny，J.（1986）。边缘检测的计算方法。模式分析和机器智能IEEE事务（6），679-698.”，“doi”：“10.1109\/TPAMI.1986.4767851”}，“key“：”1816_CR“，”doi-asserted-by“：”crossref“，”unstructured“：”Dargan，S.，Kumar，M.，Ayyagari，M.R.，&Kumar，G.（2020）。深度学习及其应用综述：机器学习的新范式[综述]。工程计算方法档案，27（4），1071-1092。https:\/\/doi.org\/10.1007\/s11831-019-09344-w“，”doi“：”10.1007\/s11831.019-09344w“}，{“key”：“1816_CR5”，“doi-asserted-by”：“crossref”，“unstructured”：“Linardatos，P.，Papastefanopoulos，V.，&Kotsiantis，S.（2021）。可解释人工智能：机器学习可解释性方法综述[综述]。熵，23（1），45，第18条。https:\/\/doi.org\/10.3390\/e23010018“，“doi”：“10.3390\/e23010018”}，{“key”：“1816_CR6”，“doi-asserted-by”：“crossref”，“unstructured”：“Alzubaidi，L.，Zhang，J.L.，Humaidi，A.J.，Al-Dujaili，A.，Duan，Y.，Al-Shamma，O.，&Farhan，L.（2021）。深度学习回顾：概念，CNN架构，挑战，应用程序，未来方向[回顾]《大数据杂志》，8（1），74，第53条。https:\/\/doi.org\/10.1186\/s40537-021-00444-8“，”doi“：”10.1186\/s4057-021-00444-8“}，{“key”：“1816_CR7”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhang，Zhang检测和统计。昆虫，11（9），565。https:\/\/www.mdpi.com/2075-4450\/11\/9\/565“，“DOI”：“10.3390\/insects11090565”}，{“key”：“1816_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“Tabernik，D.，Sela，S.，Skvarc，J.，&Skocaj，D.（2020）。表面缺陷检测的基于分段的深度学习方法[文章]。智能制造杂志，31（3），759-776。https:\/\/doi.org\/10.1007\/s10845-019-01476-x“，”doi“：”10.1007\/s10845-019-01776-x“}，{“问题”：“4”，“密钥”：“1816_CR9”，“doi-asserted-by”：“发布者”，“首页”：“67”，“doi”：“10.1007\/s10905-022-09802-7”，“卷”：“35”，“作者”：“生兵红”，“年份”：“2022”，“非结构化”：“Hong，S.，詹伟、董涛、佘J.、闵C.、黄H.和孙寅（2022）一种通过多目标跟踪和时空特征检测模型识别微小Bactrocera minax（双翅目：蚱科）梳妆行为的方法。《昆虫行为杂志》，35（4），67-81.\u00a0https:\/\/doi.org\/10.1007\/s10905-022-09802-7“，“日记标题”：“昆虫行为杂志”}，{“key”：“1816_CR10”，“doi-asserted-by”：“publisher”，“unstructured”：“She，J.，Zhan，S.，Min，C.，Dong，T.，Huang，H.，&He，Z.（2022）一种通过添加注意机制的卷积神经网络通过陷阱瓶自动实时检测和计数果园果蝇害虫的方法。生态信息学，101690.\u00a0https:\/\/doi.org\/10.1016\/j.ecoinf.2022.101690“，“doi”：“10.1016\/j.coinf.2022.101690”}，{“key”：“1816_CR11”，“doi-asserted-by”：“publisher”，“unstructured”：“Huang，H.，Zan，W.，Du，Z.，Hong，S.，Dong，T.，She，j.，&Min，C.（2022）基于计算机视觉的猪肉原始切块识别方法。肉类科学，192108898.\u00a0https:\/\/doi.org\/10.1016\/j.meatsci.2022.108898“，“doi”：“10.1016\/j.beatsci.2022.108898”}，{“key”：“1816_CR12”，“doi-asserted-by”：“crossref”，“unstructured”：“Li，Y.，Sun，R.，&Horne，R.（2019）。油井数据历史分析的深度学习。在SPE年度技术会议和展览中。OnePetro.”，“doi:”10.2118\/196011-MS“｝，｛“issue”：“4”，“key”：“1816_CR13”，“doi asserted by”：“publisher”，“首页”：“4827”，“doi”：“10.1109\/JSEN.20203029459”，“volume”：“21”，“author”：“H Darvishi”，“year”：“2020”，“nonstructured”：“Darvishi，H.，Ciuonzo，D.，Eide，E.R.，&Rossi，P.S.（2020）.通过模块化数据驱动架构对数字双胞胎进行传感器故障检测、隔离和调节。IEEE Sensors Journal，21（4），4827\u20134838.“，“Journal-title”：“IEEE传感器杂志”}，{“key”：“1816_CR14”，“unstructured”：“Zhang，G.，&Li，J.（2020）。基于改进的unet网络的船舶水位计读数识别方法研究。光电子激光杂志，31（11），1182-1196。（在中国）https://\/doi.org\/10.16136\/j.joel.2020.11.0175“}，{”issue“：”12“，”key“：”1816_CR15“，”doi-asserted-by“：”publisher“，”first page“：“2481”，”doi“：”10.1109\/TPAMI.2016.2644615“，“volume”：“39”，“author”：“V Badrinarayanan”，“year”：“2017”，“unstructured”：“Badrinayan，V.，Kendall，A.，&Ci波拉·R（2017）Segnet：用于图像分割的深度卷积编码器-解码器架构。IEEE模式分析和机器智能事务，39（12），2481\u20132495.“，“journal-title”：“IEEE模式研究和机器智能”}，{“key”：“1816_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Ronneberger，O.，Fischer，P.，&Brox，T.（2015年10月）.U-net：用于生物医学图像分割的卷积网络。在医学图像计算和计算机辅助干预国际会议上（第234-241页）。查姆施普林格。“，”DOI“：”10.1007\/978-3-319-24574-4_28“}，{”issue“：”10“，”key“：”1816_CR17“，”DOI-asserted-by“：”publisher“，”first page“：“761”，”DOI:“10.1016\/j.imavis.2004.02.006”，“volume”：“22”，“author”：“j Matas”，“year”：“2004”，“unstructured”：“Matas，j.，Chum，O.，Urban，M.，&Pajdla，T.（2004）。来自最大稳定极值区域的稳健宽基线立体声。图像和视觉计算，22（10），761\u2013767.“，“日记标题”：“图像和视觉计算机”}，{“key”：“1816_CR18”，“doi-asserted-by”：“crossref”，“unstructured”：“Wang，B.P.，Liu，Z.M.，&Wang，H.R.（2021）。船舶吃水深度学习的计算机视觉[文章]。光学工程，60（2），10，第024105条。https:\/\/doi.org\/10.117\/1.Oe.60.2.024105“，“doi”：“10.1117\/1.Oe.60.204105”}，{“key”：“1816_CR19”，“doi-asserted-by”：“crossref”，“unstructured”：“He，K.，Gkioxari，G.，Doll\u00e1r，P.，&Girshick，R.（2017）。Mask R-cnn.《IEEE计算机视觉国际会议论文集》（第2961-2969页）。”，“doi:”10.1109\/IC简历2017.322“}，{”关键“：”1816_CR20“，”doi-asserted-by“：”crossref“，”unstructured“：”He，K.，Zhang，X.，Ren，S.，&Sun，J.（2016）。用于图像识别的深度残差学习。在IEEE关于计算机视觉和模式识别的会议记录中（第770-778页）。“，”DOI“：”10.1109\/CVPR.2016.90“}，{”key“：”1816_CR21“，”DOI-asserted-by“：”publisher“，”first page“：“322”，“DOI”：“10.1016\/j.procs.2020.04.033”，“volume”：“171”，“author”：“A Agrahari”，“year”：“2020”，“unstructured”：“Agrahri，A.，&Ghosh，R.（2020）基于MSER与局部二值化图像相交的自然场景图像多方向文本检测。Procedia Computer Science，171，322\u2013330.“，“journal-title”：“Procedia Computer Scence”}，{“key”：“1816_CR22”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhan，W.，Hong，S.B.，Sun，Y.，&Zhu，C.G.（2021）.通过无人机自动识别船舶吃水的系统研究与实现[文章]《国际天线与传播杂志》，2021年，第11期，第4617242条。https:\/\/doi.org\/10.1155\/2021\/4617242“，”doi“：”10.1155\/2021\\4617242“}，{“key”：“1816_CR23”，“unstructured”：“Redmon，J.，&Farhadi，A.（2018）。Yolov3:增量改进。arXiv预打印arXiv:1804.02767“}Dehghan，M.，Zaiane，O。R.，&Jagersand，M.（2020年）。U2-Net：使用嵌套U结构进行更深入的显著目标检测。模式识别，106107404。https:\/\/doi.org\/10.1016\/j.patcog.2020.107404“，”doi“：”10.1016\/j_patcog.2020“}，{“问题”：“11”，“密钥”：“1816_CR25”，“首页”：“2347”，“卷”：“37”，“作者”：“Y Li”，“年份”：“2020”，“非结构化”：“李，Y，薛，Y，李，H，张，W，&高，Y（2020）基于深度学习的船舶水线提取策略。控制理论与应用，37（11），2347\u20132353。（在中国）。“，”期刊标题“：“控制理论与应用”}，｛“key”：“1816_CR26”，“doi断言者”：“crossref”，“非结构化”：“Zhan，W.，Sun，C.，Wang，M.，She，J.，Zhang，Y.，Zhang，Z.，&Sun，Y.（2021）。一种改进的Yolov5无人机捕获小物体实时检测方法。软计算。https://doi.org/10.1007\\s0500-021-06407-8”，“doi”：“10.1007\/s00500-021-06407-8“}，{“key”：“1816_CR27”，“doi-asserted-by”：“crossref”，“unstructured”：“Sun，C.，Zhan，W.，She，J.，&Zhang，Y.（2020）.通过卷积神经网络从无人机拍摄的视频中检测目标.工程数学问题，2020，4013647。https:\/\/doi.org\/10.1155\/2020\/4013647“，”doi“：”10.1155\/2020\\/4011647“}，{”key“：”1816_CR28“，”doi-asserted-by“：”crossref“，”unstructured“：”Francies，M.L.，Ata，M.，&Mohamed，M.A.（2022）。基于现代YOLO深度学习算法的鲁棒多类3D对象识别[文章]。并发与计算实践与经验，34（1），24，条款e6517。https:\/\/doi.org\/10.1002\/cpe.6517“，”doi“：”10.1002\/cpe.5517“}，{”key“：”1816_CR29“，”doi-asserted-by“：”crossref“，”unstructured“：”Hao，Y.，Liu，Y.（2021）.边缘流：使用边缘引导流实现实用的交互式分割。《IEEE计算机视觉国际会议论文集》（第1551-1560页）。“，”DOI“：”10.1109\/ICCVW54120.2021.00180“}，{”key“：”1816_CR30“，”DOI-asserted-by“：”crossref“，”unstructured“：”Redmon，J.，Divvala，S.，Girshick，R.，&Farhadi，A.（2016）。你只看一次：统一的实时对象检测。IEEE计算机视觉和模式识别会议论文集（第779-788页）。“，”10.1109\/CVPR.2016.91“}，{“key”：“1816_CR31”，“doi-asserted-by”：“crossref”，“unstructured”：“Redmon，J.，&Farhadi，A.（2017）.YOLO9000:更好、更快、更强。IEEE计算机视觉和模式识别会议论文集（第7263-7271页）。Y.，&Liao，H.Y.M.（2020年）。Yolov4：物体检测的最佳速度和准确性。arXiv预打印arXiv:2004.10934“}，{“key”：“1816_CR33”，“doi-asserted-by”：“crossref”，“unstructured”：“Zheng，J.-C.，Sun，S.-D.，&Zhao，S.-J.（2022）。基于轻量级YOLOv5网络的快速船舶检测。Iet图像处理，16（6），1585-1593。https:\/\/doi.org\/10.1049\/ipr2.12432“，”doi“：”10.1049\/ipr6.12432“}，{“key”：“1816_CR34”，“volume-title”：“线性回归分析”，“author”：“GA Seber”，“year”：“2012”，“unstructured”：“Seber，G.A.，&Lee，A.J.（2012）。线性回归分析。John Wiley&Sons。”}，“key“：”1816_CR 35“，”doi-asserted-by“：”crossref“，“非结构化”：“Wang，K.，Fang，B.，Qian，J.Y.，Yang，S.，Zhou，X.，&Zhow，J.（2020年）。用于对象检测的透视变换数据增强[文章]。IEEE接入，84935-4943。https:\/\/doi.org\/10.109\/access.2019.2962572“，”doi“：”10.1109\/access.2019.2962572“}，{”key“：”1816_CR36“，”doi-asserted-by“：”crossref“，”unstructured“：”Huang，Y.P.，Li，Y.W.，Hu，X.，&Ci，W.Y.（2018）.基于逆向透视变换和卡尔曼滤波的车道检测[文章]Ksii互联网和信息系统交易，12（2），643-661。https:\/\/doi.org\/10.3837 \/tiis.2018.02.006“，”doi“：”10.3837\/tiis.2018.02.06“}，{”key“：”1816_CR37“，”doi-asserted-by“：”crossref“，”unstructured“：”Li，X.，Li，S.，Bai，W.，Cui，X.、Yang，G.，Zhou，H.，&Zhang，C.（2017年9月）基于透视变换的图像偏差校正方法。IOP会议系列：材料科学与工程（第231卷，第1期，第012029页）。IOP发布。“，”DOI“：”10.1088\/1757-899X\/231\/1\/012029“}，{”issue“：”4“，”key“：”1816_CR38“，”DOI-asserted-by“：”publisher“，”first page“：“834”，”DOI:“10.1109\/TPAMI.2017.2699184”，“volume”：“40”，”author“：”L-C Chen“，”year“：”2017“，”unstructured“：”Chen，L.-C.，Papandreou，G.，Kokkinos，I.、Murphy，K.和Yuille，A.L.（2017）Deeplab：使用深度卷积网络、atrous卷积和完全连接的crf进行语义图像分割。IEEE模式分析和机器智能事务，40（4），834\u2013848。“，“journal-title”：“IEEE模式研究和机器智能”}，{“key”：“1816_CR39”，“doi-asserted-by”：“crossref”，“unstructured”：“Chen，L.C.，Zhu，Y.，Papandreou，G.，Schroff，F.，&Adam，H.（2018）.用于语义图像分割的具有atrous可分离卷积的编码器-解码器。《欧洲计算机视觉会议论文集》（第801-818页）。“，”DOI“：”10.1007\/978-3-030-01234-2_49“}，{”key“：”1816_CR40“，”DOI-asserted-by“：”crossref“，”unstructured“：”Zhou，Z.，Rahman Siddiquee，M.M.，Tajbakhsh，N.，&Liang，J.（2018）。Unet++：医学图像分割的嵌套u-net架构。医学图像分析的深度学习和临床决策支持的多模式学习（第3-11页）查姆施普林格。“，”DOI“：”10.1007\/978-3-030-00889-5_1“}，{”key“：”1816_CR41“，”unstructured“：”Qin，X.，Fan，D.-P.，Huang，C.，Diagne，C.，Zhang，Sant\u2019Anna，A.C.，&Shao，L.（2021）。移动和web应用程序的边界软件分割网络。arXiv预印本arXiv:2101.04704。“}”，{“key”：“1816_CR 42”，“DOI-asserted-by”：“crossref”，“unstructure”：“”Qin，X.，Zhang，Z.，Huang，C.，Gao，C.，Dehghan，M.，&Jagersand，M.（2019年）。Basnet：边界软件显著目标检测。《IEEE计算机视觉和模式识别会议论文集》（第7479-7489页）。“，”DOI“：”10.1109\/CVPR.2019.00766“}，{”key“：”1816_CR43“，”DOI-asserted-by“：”crossref“，”unstructured“：”Hou，Q.，Zhou，D.，&Feng，J.（2021）。有效移动网络设计的协调注意力。摘自IEEE\/CVF计算机视觉和模式识别会议记录（第13713-13722页）。“，”issue“：”2“，”key“：”1816_CR44“，”doi-asserted-by“：”crossref“，”first-page“：”1“，”doi“：”10.2140\/pjm.1975.60.1_“，”volume“：“60”，”author“：”W Al-Salam“，”year“：”1975“，”unstructured“：”Al-Salan，W.，&Verma，A.（1975）。分数Leibniz q形。太平洋数学杂志，60（2），1\u20139.“，”Journal-title“：”Pacific Journal of Mathematics“}，{”key“：”1816_CR45“，”doi-asserted-by“：”crossref“，”unstructured“：”Sobczyk，G.，&Sanchez，O.L.（2011）.微积分基本定理[文章].应用克利福德代数进展，21（1），221-231。https:\/\/doi.org\/10.1007\/s00006-010-0242-8“，“doi”：“10.1007\/s00006-010-02428-8”}，{“key”：“1816_CR46”，“doi-asserted-by”：“crossref”，“unstructured”：“Bressoud，D.M.（2011）。积分基本定理教学的历史反思[文章]。美国数学月刊，118（2），99-115。https:\/\/doi.org/10.4169\/amer.math.monthly.118.02.099”，“doi”：“10.4169\/amer.math.monthly.118.02.099”}，｛“key”：“1816_CR47”，“doi断言”：“crossref”，“非结构化”：“Buslaev，A.，Iglovikov，V.I.，Khvedchenya，E.，Parinov，A.，Druzhinin，M.，&Kalinin，A.（2020）。相册：快速灵活的图像增强。信息，11（2）https:\/\/doi.org\/10.3390\/info11020125“，”doi“：”10.3390\/Info1102012“}，{“key”：“1816_CR48”，“doi-asserted-by”：“crossref”，“unstructured”：“Long，J.，Shelhamer，E.，&Darrell，T.（2015）。语义分割的完全卷积网络。《IEEE计算机视觉和模式识别会议论文集》（第3431-3440页）。”，“doi”：“10.1109\/CVPR.2015.7298965“}]，“container-title”：[“Journal of Signal Processing Systems”]，“原始标题”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/s11265-022-01816-w.pdf”，“content-type”：“application\/pdf”、“content-version”：“vor”，“intended-application”：“text-mining”}，{“URL”：“https:\/\/link.springer.com/article\/10.1007\/s11265-022-01816-w\/fulltext.html“，”content-type“：”text\/html“，”内容-版本“：”vor“，”intended-application“：”文本-分钟“}，{”URL“：”https:\//link.springer-com/content\/pdf\/10.10007\/s11255-022-0186-w.pdf“，”content-type”：“应用程序\/pdf”，“内容-版本”：“vor”，“intended-application”：“相似性检查“}”，“存放”：{“日期部分”：[[2023,11,28]]，“日期时间”：“2023-11-28T21:47:55Z”，“时间戳”：1701208075000}，“分数”：1，“资源”：{“主要”：{:“URL”：“https:\/\/link.springer.com\/10.1007\/s11265-022-01816-w”}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2022,10,13]]}，“references-count”：48，“journal-issue”：{“issue”：“2-3”，“published-print“：{“date-parts”：[[2023,3]]}}，“alternative-id”：[“1816”]，“URL”：“http://\/dx.doi.org\/10.1007\/s11265-022-01816-w”，“relation”：{}，”ISSN“：[“1939-8018”，“1939-8115”]，”ISSN-type“：[{“value”：“1939-8028”，“type”：电子“}]，”主题“：[]，”发布“：{”日期部分“：[2022,10,13]]}，”断言“：[{”值“：”2022年2月3日“，”订单“：1，”名称“：”收到“，”标签“：”接收“，”组“：，“组”：{“名称”：ArticleHistory“，”label“：”Article History”}}，{“value”：“2022年10月13日”，“order”：4，“name”：“first_online”，“label”：“first online”，”group“：{“name”:“Article History”，“table”：“Article-History”}}}、{“order“：1，”name“：“Ethics”，“group”：{”name“EthicsHeading”，“标签”：“Declarations”}，”{“value”：“Not applicable”，“订单”：2，“name“伦理学”，“组”：{“名称”：EthicsHeading“，”label“：”Ethics Approval“}}，”{“value”：“从研究中包括的所有个体参与者获得知情同意。”，“order”：3，“name”：“Ethics”，“group”：{“name”:“EthicsHeading”，“label”：“Conference to Participate”}}、{“value”：“”作者确认，人类研究参与者为发布图1中的图像提供了知情同意。“，”order“：4，”name“：”Ethics“，”group“：{”name“:”EthicsHeading“，”label“：”Conference for publication“}}，{”value“：”所有作者证明，他们与本手稿中讨论的主题或材料中具有任何财务利益或非财务利益的任何组织或实体没有任何关联或参与。“，”order“：5，”name“：”Ethics“，”group“：｛”name“：”EthicsHeading“，”label“：”利益冲突\/竞争性利益“｝｝]｝｝