{“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”：[[2022,4,1]]，“日期-时间”：“2022-04-01T23:32:16Z”，“时间戳”：1648855936372}，“参考-计数”：40，“出版商”：“Springer Science and Business Media LLC”，“问题”：“4”，“许可证”：[{“开始”：}“日期-零件”：[2017,7,1]]我”：“2017-07-01T00:00:00Z”，“timestamp”：1498867200000}，“content-version”：“unspecified”，“delay-in-days”：0，“URL”：“http://\\www.springer.com/tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false，“short-container-title”：[“J.Compute.Sci.Technol.”]，”published-print“：{”date-parts“：[2017,7]]}，”DOI“10.1”007 \/s11390-017-1751-x“，”类型“：“期刊文章”，“已创建”：｛“日期部分”：[[2017,7,12]]，“日期-时间”：“2017-07-12T10:28:40Z”，“时间戳”：1499855320000｝，“页面”：“683-700”，“更新策略”：“http:\/\/dx.doi.org/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，“由计数引用”：1，“标题”：[“用于场景分析的对象性区域增强网络”]，“前缀”：“10.1007”，“卷”：“32”，“作者”：[{“给定”：“新余”，“家庭”：“欧”，“序列”：“第一”，“从属关系”：[]}，{“给出”：“平”，“家族”：“李”，“顺序”：“附加”，“隶属关系”：[]}、{“已知”：“和非”，“家人”：“凌”，“次序”：“额外”，“附属关系”：【】}，}“给定的”：“四”，“家”：“刘”，“排序”：“添加”，“从属关系“：[]}，{”给定“：”田江“，”家庭“：”王“，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Dan”，“family”：“Li”，”sequence“：”additional“，”affiliation:[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[[2017,7,14]}，“reference”：[{“key”：”1751_CR1“，”doi-asserted-by“：”publisher“，”非结构化“：”Chen L C，Papandreou G，Kokkinos I，Murphy K，Yuille A L。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传输。模式分析与机器智能，2017，doi:10.1109\/TPAMI.2017.2699184。“，”DOI“：“10.1109\/TPAMI.2017.2699184”}，{“key”：“1751_CR2”，“unstructured”：“Zhou B L，Zhao H，Puig X，Fidler S，Barriuso A，Torralba A.通过ADE20K数据集对场景的语义理解。arXiv:1608.054422016。https:\/\/arxiv。org\/abs\/1608.054422017年6月。“}，{”key“：”1751_CR3“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/TSC.2016.262697“，”author“：”ZJ Fu“，“year”：“2016”，“unstructured”：“Fu Z J，Huang F X，Sun X M，Vasilakos A，Yang C N。支持基于加密外包数据上的概念图进行语义搜索。IEEE传输。服务计算，2016，doi:10.1109\/TSC.2016.2622697。“，”journal-title“：”IEEE Trans。服务计算“}，{”问题“：”3“，”键“：”1751_CR4“，”doi-asserted-by“：”crossref“，”首页“：”675“，”doi“：”10.1109\/TBC.2016.2580920“，”卷“：”62“，”作者“：”ZQ-Pan“，”年份“：”2016“，”非结构化“：”Pan Z Q，Lei J J，Zhang Y et al。低复杂度H.265\/HEVC编码器基于内容属性的快速运动估计。IEEE传输。广播，2016，62（3）：675-684.”，“新闻标题”：“广播”}，{“问题”：“9”，“关键”：“1751_CR5”，“doi-asserted-by”：“crossref”，“首页”：“2546”，“doi”：“10.1109\/TPDS.2015.2506573”，“卷”：“27”，“作者”：“傅仲杰”，“年份”：“2016”，“非结构化”：“付仲杰，任克，舒J G，孙X M，黄F X。实现对加密外包数据的个性化搜索，并提高效率。IEEE交易。并行和分布式系统，2016，27（9）：2546-2559。”，“期刊标题”：“IEEE Tran。并行和分布式系统”}，｛“key”：“1751_CR6”，“doi asserted by”：“crossref”，“first page”：“395”，“doi”：“10.1016\/j.in.2014.10.040”，“volume”：“295”，“author”：“XZ Wen”，“year”：“2015”，“nonstructured”：“Wen XZ，Shao L，Xue Y，Fang W.车辆分类的快速学习算法。信息科学，2015295:395-406.”，“期刊标题”：“信息科学“}，{“key”：“1751_CR7”，“doi-asserted-by”：“crossref”，“unstructured”：“Long J，Shelhamer E，Darrell T.语义分割的完全卷积网络。收录于IEEE Conf.Computer Vision and Pattern Recognition，2015年6月，第3431-3440页。”，“doi”：“10.1109\/CVPR.2015.7298965”}Lin G S，Shen C H，van den Hengel A，Reid I.使用深层结构模型探索语义切分的上下文。arXiv:1603.031832017年。https:\/\/arxiv.org\/abs\/16-03.031832017年6月。“}，{”key“：”1751_CR9“，”doi-asserted-by“：”crossref“，”unstructured“：”Lin T Y，Maire M，Belongie S等人。Microsoft COCO:Common objects in context.in Proc.European Conf.Computer Vision，2014年10月，第740-755页。“，”doi“：”10.1007\/978-3-19-10602-1_48“}”，{“key”：“1751_CR 10”，“doi-assert-by”：“”交叉参考“，”非结构化”：“Dai J F，He K M，Sun J.通过多任务网络级联实现实例感知语义分割。程序中。IEEE Conf.Computer Vision and Pattern Recognition，2016年6月，第3150-3158页。“，“DOI”：“10.1109\/CVPR.2016.343”}，{“key”：“1751_CR11”，“unstructured”：“Pinheiro P H O，Collobert R，Doll\u00b4ar P.学习分割候选对象。第28届国际Conf.Neural Information Processing Systems，2015年12月，第1990-1990页。”}、{“key”：”1751_CR12“，”doi-asserted-by“：”crossref“，”unstructured“：”Girshick R.Fast R-CNN。程序中。IEEE Int.Conf.Computer Vision，2015年12月，第1440-1448页。“，“DOI”：“10.1109\/ICCV.2015.169”}，{“key”：“1751_CR13”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ren S Q，He K M，Girshick R，Sun J.Faster R-CNN：利用区域提议网络实现实时目标检测。IEEE Trans.模式分析与机器智能，2017，39（6）：1137-1149.“，”DOI“：”10.1109\/TPAMI.2016.2577031“}，{“key”：“1751_CR14”，“unstructured”：“Dai J F，Li Y，He K M，Sun J.R-FCN：通过基于区域的完全卷积网络进行目标检测。《第30届Conf.Neural Information Processing Systems》，2016年12月，第379-387页Krizhevsky A，Sutskever I，Hinton G E.使用深度卷积神经网络进行ImageNet分类。程序中。第25届国际神经信息处理系统会议，2012年12月，第1097-1105页。“}，{“key”：“1751_CR16”，“doi-asserted-by”：“publisher”，“unstructured”：“Badrinarayanan V，Kendall A，Cipolla R。SegNet：用于场景分割的深度卷积编码器-解码器架构。IEEE传输。模式分析与机器智能，2017，doi:10.1109 \/TPAMI.2016.2644615。“，”DOI“：”10.1109\/TPAMI.2016.2644615“}，{”key“：”1751_CR17“，”DOI-asserted-by“：”crossref“，”unstructured“：”Noh H，Hong S，Han B.学习语义分段的反褶积网络。IEEE Int.Conf.Computer Vision，2015年12月，第1520-1528页。“，”DOI“：刘S，王春红，钱瑞华等。单帧监控监控视频解析。arXiv:1611.095872016.https:\/\/arXiv.org\/abs\/1611.09587，2017年6月。“}，{“key”：“1751_CR19”，“doi-asserted-by”：“crossref”，“unstructured”：“Liu S，Liang X D，Liu L Q，Shen X H，Yang J C，Xu C S，Lin L，Cao X，Yan S C。Matching-CNN符合KNN：准参数人体解析。在Proc.IEEE Conf。计算机视觉与模式识别，2015年6月，第1419-1427页。“，”DOI“：”10.1109\/CVPR.2015.7298748“}，{“issue”：“8”，“key”：“1751_CR20”，“DOI-asserted-by”：“crossref”，“first page”：第1347页，“DOI”：“10.1109\/TMM.2015.2443559”，“volume”：”17“author”：“S Liu”，“year”：“2015”，“unstructured”：“Liu S，Liang X D，Liu L Q et al。视频上下文时尚解析。IEEE传输。多媒体，2015，17（8）：1347-1358.”，“新闻标题”：“IEEE Trans。多媒体“}，{“key”：“1751_CR21”，“doi-asserted-by”：“crossref”，“unstructured”：“Liang X D，Liu S，Shen X H，Yang J C，Liu L Q，Dong J，Lin L，Yan S C.使用主动模板回归进行深度人类分析。IEEE Trans.Pattern Analysis and Machine Intelligence，2015，37（12）：2402-2414.”，“doi”：“10.1109\/TPAMI.2015.2408360”}，“key“：”1751_CR22“，”非结构化”：“Liu S，Ou X Y，Qian R H等人。化妆像巨星：深度本地化化妆转移网络。第25届国际人工智能联合会，2016年7月，第2568-2575页。“}，{“key”：“1751_CR23”，“doi-asserted-by”：“crossref”，“unstructured”：“刘S，冯J S，宋Z，张T Z，卢H Q，徐C S，严S C。嗨，魔法衣柜，告诉我该穿什么！第20届ACM国际会议多媒体，2012年10月，第619-628页。”，“doi”：“10.1145 \/2393347.2393433”}，{“key”：“1751_CR24”，“unstructured”：“Zhou B L，Khosla A，Lapedriza`A，Torralba A，Oliva A.位置：用于深度场景理解的图像数据库。arXiv:1610.020552016。https:\/\/arxiv.org\/abs\/16-10.020552017年6月。“}，{”key“：”1751_CR25“，”doi-asserted-by“：”crossref“，”unstructured“：”He K M，Zhang X Y，Ren S Q，Sun J.深度剩余网络中的身份映射。摘自Proc.European Conf.Computer Vision，2016年10月，第630645页。“，”doi“：”10.1007\/978-3-3-196493-0_38“}”，{“key”：“1751_CR26”，“doi-assert-by”：“”crossref”，“非结构化”：“Dai J F，He K M，Sun J.用于联合对象和内容分割的卷积特征掩盖。程序中。IEEE Conf.Computer Vision and Pattern Recognition，2015年6月，第3992-4000页。计算机视觉和模式识别，2014年6月，第580-587页10.1007\/978-3-319-10584-0_20“}，{“key”：“1751_CR29”，“unstructured”：“Sharma A，Tuzel O，Liu M Y.语义场景标记的递归上下文传播网络。收录于《神经信息处理系统年度会议》，2014年12月，第2447-2455页。”}，}，“key“：”1751_CR30“，”doi-asserted-by“：”crossref“，”unstructure“：”Sharma A、Tuzel O O、Jacobs D W。语义分割的深度层次分析。程序中。IEEE Conf.Computer Vision and Pattern Recognition，2015年6月，第530-538页，“DOI”：“10.1109\/CVPR.2015.7298651”}，{“key”：“1751_CR31”，“DOI-asserted-by”：“crossref”，“unstructured”：“He K M，Zhang X Y，Ren S Q，Sun J。用于视觉识别的深度卷积网络中的空间金字塔池。IEEE传输。模式分析与机器智能，2015，37（9）：1904-1916.“，”DOI“：”10.1109\/TPAMI.2015.2389824“}，{“key”：“1751_CR32”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zheng S，Jayasumana S，Romera-Paredes B，Vineet V，Su Z，Du D L，Huang C，Torr P H S。条件随机场作为递归神经网络。收录于IEEE Int.Conf。Computer Vision，2015年12月，第1529-1537页。“，”DOI“：”10.1109\/ICCV.2015.179“}，{“key”：“1751_CR33”，“DOI-asserted-by”：“crossref”，“unstructured”：“Arnab A，Jayasumana S，Zheng S，Torr P H S。深层神经网络中的高阶条件随机场。《欧洲计算机视觉会议论文集》，2016年10月，第524-540页。”，“DOI”：“10.1007\/978-3-319-46475-6_33“}，{“key”：“1751_CR34”，“doi-asserted-by”：“crossref”，“unstructured”：“Ciresan D，Meier U，Schmidhuber J.用于图像分类的多列深层神经网络。IEEE Conf.Computer Vision and Pattern Recognition，2012年6月，第3642-3649页。”，“doi”：“10.1109\/CVPR.2012.6248110”}doi-asserted-by“：”crossref“，”unstructured“：”Dai J F，He K M，Sun J.BoxSup:利用边界框来监督卷积网络进行语义分割。程序中。IEEE Int.Conf.Computer Vision，2015年12月，第1635-1643页1751_CR37“，”doi-asserted-by“：”crossref“，”unstructured“：”Jia Y Q，Shelhamer E，Donahue J，Karayev S，Long J，Girshick R B，Guadarrama S，Darrell T.Caffe:快速特征嵌入的卷积架构。程序中。第22届ACM国际会议多媒体，2014年11月，第675-678页。https:\/\/arxiv。org \/abs \/1511.071222017年6月。“}，{“key”：“1751_CR39”，“doi-asserted-by”：“crossref”，“unstructured”：“Cordts M，OmranM，Ramos S et al.城市景观语义理解数据集。IEEE Conf.Computer Vision and Pattern Recognition，2016年6月，第3213-223页。”，“doi”：“10.1109 \/CVPR.2016.350”}，}“keys”：“1741_CR40”，“doi-asserted-by“：”crossref“，”unstructured“：”Liu Z W，Li X X，Luo P，Loy C，Tang X O。通过深度解析网络进行语义图像分割。In Proc。IEEE Int.Conf.Computer Vision，2015年12月，第1377-1385.页，“DOI”：“10.1109\/ICCV.2015.162”}]，“container-title”：[“计算机科学与技术杂志”]，“原始标题”：[]，“language”：“en”，“link”：[{“URL”：“http://\/link.springer.com/content\/pdf\/10.10007\/s11390-017-1751-x.pdf”，“content-type”：“application\/pdf”，“内容版本”：“vor”，“预期应用程序”：“文本挖掘”｝，｛“URL”：“http:\/\/link.springer.com\/article\/10.1007\/s11390-017-1751-x\/fulltext.html”，“内容类型”：“text\/html”，“内容版本”：“vor”，“预期应用程序”：“文本挖掘”｝，｛“URL”：“http:\/\/link.springer.com\/content/pdf\/10.1007\/s11390-017-1751-x.pdf”，“内容类型”：“application\/pdf”，“内容版本”：“vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2019,9,29]]，”date-time“：”2019-09-29T18:14:25Z“，”timestamp“：1569780865000}，”score“：1，”resource“：{“primary”：{“URL”：“http://\link.springer.com\/10007\/s11390-017-1751-x”}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[[2017，7]]}，“references-count”：40，“日志问题“：{”问题“：“4”，“published-print”：{“date-parts”：[[2017，7]]}}，“alternative-id”：[“1751”]，“URL”：“http://\/dx.doi.org\/10.1007\/s11390-017-1751-x”，“relationship”：{}，”ISSN“：[”1000-9000“，”1860-4749“]，”ISSN-type“：[{”value“：”1000-900“，”type“”：“print”}，{“value”“：”1860-4749“，”type“：”electronic“}]，”subject“：[]，”published“：{”date-parts“：[[2017,7]]}}}