{“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”：[[2024,9,12]，“日期-时间”：“2024-09-12T08:29:50Z”，“时间戳”：1726129790472}，“引用-计数”：25，“发布者”：“爱思唯尔BV”，“许可证”：[{“开始”：{-date-parts“：[[2019,9,1]]，“日期时间”：”2019-09-01T00:00:00Z“，”timestamp“：1567296000000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“出资人”：[{“DOI”：“10.13039\/501100006280”，“名称”：“Ministerio de Ciencia y Tecnologia”，“DOI-asserted-by”：“出版商”，“奖项”：[“TIN2017-89517-P”]，“id”：[}“id”:“10.13029\/5011000006280”，“id-type”“：”DOI“，”asserted-by“：”publisher“}]}]，”content-domain“：{”domain“：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Information Fusion”]，”published-print“：{“date-parts”：[[2019,9]]}，”DOI“：”10.1016\/j.inffus.2018.11.015“，”type“：”journal-article“，”created“：{“date-ports”：[2018,11,29]]，“date-time”：“2018-11-29T05:43Z”，“timestamp”：1543467943000}，“页面”：“271-280”，“更新策略”：“http:\/\/dx.doi.org/10.1016\/elsevier_cm_policy”，“source”：“Crossref”，“由计数引用”：36，“special_numbering”：“C”，“title”：[“一种通过深度学习最大限度地减少手枪检测中误报的双目图像融合方法”]，“prefix”：“10.1016”，“volume”：“49”，“author”：[｛“given”：“Roberto”，“family”：“Olmos”，“sequence”：“first”，“affiliation”：[]}，{“given”：“Siham”，“family”：“Tabik”，“sequence”：“additional”，“abfiliation“：[]{“ORCID”：”http://\/ORCID.org\/00000-0002-4056-9926“，”authenticated-ORCID“：false，”given“：”Alberto“，”family“：”Lamas“，”sequence“：”additional“，”affiliance“：[]}，“ORCID”：“http://\/ocrid.org\/0000-0002-1580-16”15“，”authenticated-ORCID“：假，”given“：“Francisco”，“family”：“P\u00e9rez-Hern\u00e1ndez”，“sequence”：“additional”，“affiliation”：[]｝，｛“ORCID”：“http:\/\/ORCID.org/0000-0002-7283-312X”，“authenticated ORCID”：false，“given”：“Francisco”，“family”：“Herrera”，“sequence”：“additional”，“affiliation”：[]｝]，“member”：“78”，“reference”：[｛“key”：“10.1016\/j.infus2018.11.015_bib0001”，“series”标题“：“神经信息处理系统的进展”，“首页”：“379”，“文章标题”：“R-fcn：通过基于区域的完全卷积网络检测物体”，“作者”：“戴”，“年份”：“2016”}，{“关键”：“10.1016\/j.inffus.2018.11.015_bib0002”，“系列标题”：，“article-title”：“Fast r-cnn”，“author”：“Girshick”，“year”：“2015”}，{“key”：“10.1016\/j.inffus.2018.11.015_bib0003”，“series-title”：《IEEE计算机视觉与模式识别会议论文集》，“首页”：“580”，“article-title”：“丰富的特征层次结构，用于准确的对象检测和语义分割”，“author”，“年份”：“2014”}，{“key”：“10.1016\/j.inffus.2018.11.015_bib0004”，“series-title”：“IEEE计算机视觉与模式识别会议论文集”，“首页”：“770”，“article-title”：《图像识别的深度剩余学习》，“author”：“He”，“year”：“2016”}：“crossref”，“first page”：“328”，“DOI”：“10.1109\/TPAMI.2007.1166”，“article-title”：“通过半全局匹配和相互信息进行立体处理”，“volume”：”30“，“author”：“Hirschmuller”，“year”：“2008”，“journal-title“：”IEEE Trans.Pattern Anal.Mach.Intell.“}，{”key“：”10.1016\/j.inffus.2018.11.015_bib0006“，”series-title“：“IEEE CVPR”，”article-title tle“：“现代卷积目标探测器的速度/精度权衡”，“卷”：“卷4”，“作者”：“黄”，“年份”：“2017”}，{“问题”：“10”，“关键”：“10.1016\/j.inffus.2018.11.015_bib0007”，“doi-asserted-by”：“crossref”，“首页”：“12029”，“doi”：“101364\/OE.25.012029”，“文章标题”：“使用彩色plus-mono双相机增强微光图像”，“音量”：“25”，“作者”：“Jung”，“年份”：“2017年”，“日志标题”：“Opt.Express”}，{“问题”：“4”，“关键”：“10.1016\/j.inffus.2018.11.015_bib0008”，“doi-asserted-by”：“crossref”，“首页”：“529”，“doi”：“101007\/s1158-015-1290-2”，“文章标题”：“用于图像引导神经外科的X射线和光学立体三维传感器融合系统”，“卷”：“11”，“作者”：“Kim”，“年份”：“2016年”，“期刊标题”：“国际计算机辅助放射外科”}，{“关键”：“10.1016\/J.inffus.2018.11.015_bib0009”，“系列标签”：“亚洲消费电子（ICCE-Asia），IEEE国际会议”，“首页”：“1”，“article-title”：“使用基于最佳掩模的图像融合无缝配准双摄像机图像”，“author”：“Kim”，“year”：“2016”}，{“key”：“10.1016\/j.inffus.2018.11.015_bib0010”，“series-title”：《神经信息处理系统的进展》，“first page”：，“author”：“Krizhevsky”，“year”：“2012”}，{“key”：“10.1016\/j.inffus.2018.11.015_bib0011”，“series-title”：“欧洲计算机视觉会议”，“首页”：“740”，“article-title”：”Microsoft coco:common objects in context“，”author“：”Lin“，”year“2014”}：“欧洲计算机视觉会议”，“首页”：“21”，“article-title”：“Ssd：单点多盒探测器”，“author”：“Liu”，“year”：“2016”}，{“issue”：“6”，“key”：“10.1016\/j.inffus.2018.11.015_bib0013”，“doi-asserted-by”：“crossref”，“first-page”：“991”，“doi”：“101364\/JOSAA.34.00991”，“article-ttitle”：“非对称双相机系统使用基于局部自相似超分辨率的连续数字变焦”，“卷”：“34”，“作者”：“月亮”，“年份”：“2017年”，“新闻标题”：“JOSA A”}，{“键”：“10.1016\/j.inffus.2018.11.015_bib0014”，“doi-asserted-by”：“crossref”，“首页”：“66”，“doi”：“101016\/j.neucom.2017.05.012”，“article-title”：“使用深度学习的视频中的自动手枪检测报警”，“卷”：“275”，“作者”：“Olmos”，“年份”：“2018年”，“新闻标题”：“神经计算”}，{“问题”：“10”，“关键”：“10.1016\/j.inffus.2018.11.015_bib0015”，”doi-asserted-by“：”crossref“，“首页”：“1345”，‘doi’：“10.1109\/TKDE.2009.191”，“文章标题”：《迁移学习调查》，“卷“：”22“”，“author”：“Pan”，“year”：“2010”，“journal-title”：“IEEE Trans.Knowl.Data Eng.”}，{“key”：“10.1016\/j.inffus.2018.11.015_bib0016”，“series-tile”：“Advances in neural information processing systems”，“first page”：”91“，”article-title“：“Faster r-cnn：Towards real-time object detection with region proposition networks”，”author“Ren”，“year”：”2015“}，}“issue”：“3”，“key”：“10.1016\/j.inffus.2018.11.015_bib0017”，“doi-asserted-by”：“crossref”，“首页”：“211”，”doi“：”10.1007\/s11263-015-0816-y“，”article-title“：”Imagenet大规模视觉识别挑战“，”volume“：”115“，“author”：“Russakovsky”，“year”：“2015”，“journal-title”：“Int.j.Compute.Vision（IJCV）”}，{“issue”：“5”，“key”：“10.1016\/j.inffus.2018.11.015_bib0018”，“doi-asserted-by”：“crossref”，“first page”：“1285”，“doi”：“10.1109\/TMI.2016.2528162”，《article-title》：“用于计算机辅助检测的深度卷积神经网络：cnn架构、数据集特征和传递学习”，“volume”：”35“author”：“Shin”，“year”：“2016”，“journal-title”：“IEEE Trans.Med”。成像“}，{“key”：“10.1016\/j.inffus.2018.11.015_bib0019”，“unstructured”：“K.Simonyan，A.Zisserman，用于大规模图像识别的极深卷积网络，arXiv:1409.1556（2014）。”}，}，“key“：”10.1016\/j.inffus.201811.015_bin0020“，”series-title“：”AAAI“，”first page“：“12”，“article-title”：“Inception-v4、Inception-resnet和残余联系对学习的影响。“，”卷“：”4“，”作者“：”塞格迪“，”年份“：”2017“}，{“key”：“10.1016\/j.inffus.2018.11.015_bib0021”，“series-title”：“IEEE计算机视觉与模式识别会议论文集”，“首页”：“1”，”文章标题“：”卷积深入“，”作家“：”塞格迪“”，“年份”：“2015”}，}“问题”：“2”，“key“：”10.1016\/j.inffus.2018.11.015_bib0022“，”doi-asserted-by“：”crossref“，”first page“：”154“，“doi”：“10.1007\/s11263-013-0620-5”，“article-title”：“对象识别的选择性搜索”，“volume”：“104”，“author”：“Uijlings”，“year”：“2013”，“journal-title“：”Int.j.Compute。视觉。“}，{”issue“：”4“，”key“：”10.1016\/j.inffus.2018.11.015_bib0023“，”首页“：”1“，”article-title“：”使用配准和变分图像恢复对非对称双相机图像进行连续数字缩放“，”volume“：“29”，”author“：”Yu“，”year“：”2017“，”journal-title10.1016\/j.inffus.2018.11.015_bib0024“，”doi-asserted-by“：”crossref“，”first page“：”227“，”doi“：”10.1016\/j.patcog.2016.05.006“，”article-title“：”借助双眼信息融合进行行人检测“，”volume“：“60”，“author”：“Zhang”，“year”：“2016”，“journal-title”：“Pattern Recognit”。“}，{”key“：”10.1016\/j.inffus.2018.11.015_bib0025“，”doi-asserted-by“：”crossref“，”unstructured“：”B.Zoph，V.Vasudevan，j.Shlens，and Q.V.Le.Learning transferable architecture for scalable image recognition（2017）arXiv预印本arXiv:1707.07012，2（6）.“，”doi“：”101109\/CVPR.2018.00907“}]，”container-title“：[”Information Fusion“]，”original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S1566253518300393？httpAccept=text\.xml“，”content-type“：”text\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL“：”http://api.elsevier.com/content\/aarticle\/PII:S1566523518300393？HTTP接受=text\/plain“，”content-type“：”text\/plain“，”content-version“：”vor“，”intended-application“：”text-mining“}]，”deposed“：{”date-parts“：[[2019,11,4]]，”date-time“：”2019-11-04T12:05:59Z“，”timestamp“：1572869159000}，”score“：1，”resource“：{primary”：{“URL”：“https:\\/linkinghub.elsevier.com\/retrieve\/pii\/S156625318300393”}，“subtittle”：[]，“短标题”：[]，“已发布”：{“date-parts“：[[2019,9]]}，”references-count“：25，”alternative-id“：[”S1566253518300393“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.inffus.2018.11.015“，”relation“：{}，“ISSN”：[”1566-2535“]，“ISSN-type”：[{“value”：“1566-2535]，”type“：”print“}]，”subject“：[]，”published“：{”date-part“：[[2019,9]]}，“断言”：[{“value”：“Elsevier”，“name”：“publisher”，“label”：“本文由“}，{”value“：”一种双目图像融合方法，用于通过深度学习最小化手枪检测中的误报”，“name”：“articletite”，“label”：“article Title”}，“value”：“Information fusion”，“name”：“journaltitle”，“table”：“Journal Title“}”，“value”：“https:\/\/doi.org\/101016\/j.inffus.2018.11.015”，“name:”articlelink“，”label“：”CrossRef DOI link to publisher maintained version“}，{”value“：”article“，”name“：”content_type“，”标签“：”content-type“}、{”value“：“\u00a9 2018 Elsevier B.V.保留所有权利。”，“name”：“copyright”，“label”：“copyright“}]}}”