{“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”：[[2023,1,9]]，“日期-时间”：“2023-01-09T17:51:44Z”，“时间戳”：1673286704203}，“参考-计数”：40，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{“日期-部分”：[2018,11,1]]，，“时间戳”：1541030400000}，“内容-版本”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“国家自然科学基金”，“DOI-asserted-by”：“publisher”，“奖项”：[“61501357”]}，{“姓名”：“陕西省基础科学研究项目”，“奖”：[”2016JQ6080“]}]，”content-domain“：{”域“：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Neurocomputing”]，”published-print“：{“date-parts”：[[2018,11]]}，”DOI“：”10.1016\/j.neucom.2018.018“，”type“：”journal-article“，”created“：{“date-parts”：[2018,8,16]]，“date-time”：“2018-08-16T01:32:16Z”，“timestamp”：1534383136000}，“页面”：“101-109”，“update-policy”：“http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：3，“title”：[“排名池动态网络：学习动作识别的端到端动态特征”]，“前缀”：“10.1016”，“卷”：“317”，“作者”：[{“给定”：“志刚”，“家族”：“朱”，“序列”：“第一”，“隶属关系”：[]}，{“given”：“红兵”，“家族”：“吉”，“序列”：“附加”，“隶属关系”：[]｝，｛“给定”：“文博”，“家族”：“张”，“序列”：“附加”，“隶属关系”：[]｝，｛“给定”：“一平”，“家族”：“许”，“序列”：“附加”，“隶属关系”：[]｝]，“成员”：“78”，“参考”：[｛“问题”：“1”，“密钥”：“10.1016\/j.neucom.2018.08.018_bib0001”，“doi断言由“：”crossref“，”首页“：“221”，“DOI”：“10.1109\/TPAMI.2012.59”，“article-title”：“用于人类行为识别的三维卷积神经网络”，“volume”：“35”，“author”：“Ji”，“year”：“2013”，“journal-title“：”IEEE Trans.Pattern Anal.Mach.Intell.“}，{”key“：”10.1016\/j.neucom.2018.018_bib0002“，”series-title“：“IEEE计算机视觉和模式识别会议论文集IEEE计算机学会”，“第一页”：“1725”，“文章标题”：“卷积神经网络的大规模视频分类”，“作者”：“Karpathy”，“年份”：“2014”}，{“key”：“10.1016\/j.neucom.2018.018_bib0003”，“非结构化”：“Z.Li，E.Gavves，M.Jain，C.G.M。斯诺克。VideoLSTM卷曲，参与流动作识别。(2016).“}，{”key“：”10.1016\/j.neucom.2018.08_bib0004“，”first page“：《计算机视觉国际会议论文集》，“首页”：“4489”，“article-title”：“利用3D卷积网络学习时空特征”，“author”：“Paluri”，“year”：“2015”}，{“issue”：“1”，“key”：“10.1016\/j.neucom.2018.018_bib0006”，“first page”：时间段网络：走向深度行动认可的良好实践”，“卷”：“22”，“作者”：“王”，“年份”：“2016年”，“新闻标题”：“ACM Trans。信息系统。“}，{”key“：”10.1016\/j.neucom.2018.08_bib0007“，”series-title“：”计算机视觉和模式识别会议记录“，”首页“：”3034“，”article-title“：“动作识别的动态图像网络”，“author”：“Bilen”，“year”：“2016”}，“key”：“10.1016\\j.neucomm.2018.018_bib0018”，“series-ttle”：“”《计算机视觉与模式识别学报》，“首页”：“5378”，“文章标题”：“为动作识别建模视频进化”，“作者”：“Fernando”，“年份”：“2015”}，{“密钥”：“10.1016\/j.neucom.2018.018_bib0009”，“series-title”：“计算机视觉模式识别学报”，“论文标题”：深时间线性编码网络”，“author”：“Diba”，“year”：“2016”}，{“key”：“10.1016\/j.neucom.2018.08.18_bib0010”，“series-title”：“Proceedings of the Computer Vision and Pattern Recognition”，“首页”：“677”，“article-title”：《视觉识别和描述的长期递归卷积网络》，“author”：“Donahue”，“年份”：“2015”}、{key“：”10.1016\/j.neucom.2018.018_bib0011“，”article-title“：”UCF101:来自野外视频的101个人类动作类的数据集“，”author“：”Soomro“，”year“：”2012“，”journal-title”：“CoRR”}，{“key”：“10.1016\/j.nucom.2018.018-bib0012”，“series-title”：”计算机视觉国际会议记录“，”article-title“：”HMDB:用于人体运动识别的大型视频数据库“，”author“：”Kuehne“，”year“：”2011“}，{”key“：”10.1016\/j.neucom.2018.08_bib0013“，”article-title“：”Quo Vadis，Action recognition？“，”author“:”Carreira“，”year“：“2017”，”journal-title”：“New Model Kinet.Dataset”}，”{“issue”：“3”，“key”：“10.1016\\j.neucomm.2018.018_bib001”，“doi”由“：”插入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“：“2014”，”journal-title“：”Int.J.Compute。视觉。“}，{”key“：”10.1016\/j.neucom.2018.08_bib0015“，”series-title“：”计算机视觉和模式识别“，”首页“：”4305“，“article-title”：“使用轨迹池深度卷积描述符进行动作识别”，“author”：“Wang”，“year”：“2015”}，“key”：“10.1016\\j.neucomm.2018.018_bib001 6”，“series-ttle”：”IEEE国际计算机视觉会议”，“首页”：“4597”，“文章标题”：“使用因子化时空卷积网络的人类行为识别”，“作者”：“Sun”，“年份”：“2015”}，{“密钥”：“10.1016\/j.neucom.2018.018_bib0017”，“doi-asserted-by”：“crossref”，“非结构化”：“Feichtenhofer，C.，A.Pinz，and R.P。王尔德。视频动作识别的时空残差网络[J]，2016.“，”DOI“：”10.1109\/CVPR.2016.213“}，{“key”：“10.1016\/J.neucom.2018.08_bib0018”，“series-title”：“IEEE计算机视觉与模式识别会议论文集”，“article-title”：”视频动作识别时空乘法器网络“，”author“：”Feichtenhofer“，“年份”：“2017”}，{“key”：“10.1016\/j.neucom.2018.08_bib0019”，“unstructured”：“K.He，X.Zhang，S.Ren，j.Sun.（2015）.图像识别的深度剩余学习，（2015）770\u2013778.”}、{“issue”：“4”，“key“10.1016”\/j.neucom.2016.08.018_bib0020”，“doi-asserted-by”：“crossref”，“首页”：“773”，“doi”：“10.1109\/TPAMI.2016.2558148”，“article-title“：”行动识别排名池[J]“，”卷“：”39“，”作者“：”费尔南多“，”年份“：”2017“，”期刊标题“：”IEEE Trans。模式分析。机器。智力。“}，{”key“：”10.1016\/j.neucom.2018.08_bib0021“，”series-title“：”计算机视觉和模式识别IEEE“，”首页“：”1924“，”article-title“：“活动识别的歧视性分层等级池”，“author”：“Fernando”，“year”：“2016”}，“key”：“10.1016\/j.nucom.2018.018_bib022”，“series-title”：“Proceedings of the Computer Vision&Pattern Recognition”，“first page”：“1933”，“article-title”：“视频动作识别的卷积式两流网络融合”，“author”：“Feichtenhofer”，年：“2016”}，{“key”：”10.1016\/j.neucom.2018.018_bib0023“，”article-title“Towards good practions for very deep twream convents“，”author“Wang”，“年份”：“2015年”，“日志标题”：“CoRR”}，{“key”：“10.1016\/j.neucom.2018.08_bib0024”，“article-title”：“用于大规模图像识别的深度卷积网络”，“author”：“Simonyan”，“year”：“2014”，“journal-title“：”CoRR：“国际神经信息处理系统大会论文集Curran Associates Inc”，“首页”：“1097”，“文章标题”：“深度卷积神经网络的ImageNet分类”，“作者”：“Krizhevsky”，“年份”：“2012”}，{“密钥”：“10.1016\/j.neucom.2018.08.018_bib0026”，“系列标题”：“IEEE计算机视觉和模式识别会议，计算机社会”，“首页”：“1933”，“文章标题”：“视频动作识别的卷积二流网络融合”，“作者”：“费希滕霍夫”，“年份”：“2016”}，{“关键”：“10.1016\/j.neucom.2018.018_bib0027”，“系列标题”：，“first page”：“1”，“article-title”：“Going deepth with convolutions”，“author”：“Szegedy”，“year”：“2014”}，{“key”：”10.1016\/j.neucom.2018.018_bib0028“，“first-page”：“1735”，“article-title”：“使用递归神经网络进行监督序列标记”，“author”:“Graves”，“年份”：“2012”}、{“key”：：“10.1016\/j.nucom.2018.018-bib0029”，“unstructured”：“W。I.Sutskever，Zaremba。Learning to Execute，Eprint Arxiv，2014.“}，{“key”：“10.1016\/j.neucom.2018.08.18_bib0030”，“series-title”：“Proceedings of the Advances in Neural Information Processing Systems Morgan Kaufmann Publishers Inc”，“首页”：“396”，“文章标题”：“手写数字识别与反向传播网络”，“author”：“Cun”，“year”：“1990”}，}“issue”：“11“，”key“：”10.1016\/j.neucom.2018.08.18_bib0031“，”doi-asserted-by“：”crossref“，”first page“：“2278”，“doi”：“10.1109\/5.726791”，”article-title“：”Gradient-based learning applicated to document recognition“，”volume“86”，“author”：“L\u00e9cun”，“year”：“1998”，“journal-title”：“IEEE Proceedings”}，{“key”：“101016\/j.neucomm.2018.00 8.018_bib0032“，”series-title“：《IEEE国际会议关于机器学习国际会议的会议记录》，“首页”：“807”，“文章标题”：“校正线性单元改善受限boltzmann机器”，“作者”：“奈尔”，“年份”：“2010”}，{“key”：“10.1016\/j.neucom.2018.08_bib0033”，“series-title”：“IEEE ACM多媒体国际会议论文集”，“首页”：“675”，“article-title”：“Caffe:快速特征嵌入的卷积体系结构”，“author”：“Jia”，“year”：“2014”}，{“key”：“10.1016\/j.neucom.2018.018_bib0034”，“series-title”：448“，“article-title”：“批量规范化：通过减少内部协变量偏移来加速深层网络训练”，“author”：“Ioffe”，“year”：“2015”}，{“issue”：“4”，“key”：“10.1016\/j.neucom.2018.08_bib0035”，“first page”：《303》，“artice-title》：“sigmoid函数叠加近似”，“volume”：journal-title“：近似理论应用。“｝，｛”issue“：”5“，”key“：”10.1016\/j.neucom.2018.08.018_bib0036“，”doi asserted by“：”crossref“，”首页“：”214“，”doi“：”10.1007\/978-3-540-74936-3_22“，”文章标题“：实时TV-L1光流的基于对偶的方法”，“卷”：“4713”，“作者”：“Zach”，“年”：“2007”，“期刊标题”：“Lect.Notes Comput.Sci.”｝，｛”key“：”10.1016\/j.neucom.2018.018_bib0037”，“series-title”：“第三十三届国际机器学习会议论文集”，“首页”：“1187”，”article-title“：“使用排名工具学习端到端视频分类”，“作者”：“Fernando”，“年份”：“2016”}，{“key”：“10.1016\/j.nucom.2018.018-bib0038”，“series-title”：”IEEE计算机视觉国际会议论文集”，“首页”：“3551”，“文章标题”：“改进轨迹的动作识别”，“作者”：“王”，“年份”：“2014”}，{“关键”：“10.1016\/j.neucom.2018.08_bib0039”，“doi-asserted-by”：“crossref”，“第一页”：RGB-D动作识别使用线性编码“，”volume“：”149（A）“，”author“：”Liu“，”year“：”2015“，”journal-title“：”Neurocomputing“}，{“key”：“10.1016\/j.neucom.2018.018_bib0040”，“series-title”：“关于THUMOS挑战的ICCV研讨会论文集”，“article-title”：”LEAR-INRIA提交给THUMOS研讨会“，”author“”：“Wang”，“year”：“2013”}]，“container-title“：[“Neurocomputing”]，“original-title”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0925231218309330？httpAccept=text\/xml”，“content-type”：“text\/.xml”，“content-version”：“vor”，“intended-application”：“text-mining”}，{“URL”：“http://api.elsevier.com/content\/aarticle\/PII:S0925231218309330？httpAccept=text\\/plain“，”content-type“：”text\\/plain“，”content-version“：”vor“，”预期应用程序“：”文本挖掘“｝]，”deposited“：｛”日期部分“：[[2019,10,22]]，”日期时间“：”2019-10-22T06:34:15Z“，”时间戳“：1571726055000｝，”分数“：1，”资源“：｛”主“：｛”URL“：”https://linkinghub.elsevier.com/retrieve\\/pii\\S0925231218309330“｝｝，”副标题“：[]，“shorttitle“：[]，”issued“：{”date-parts“：[[2018,11]]}，”references-count“：40，”alternative-id“：[”S092531218309330“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.neucom.2018.08.018“，”relation“：{}，“ISSN”：[“0925-2312”]，“ISSN-type”：[{“value”：“0925-2312”，“type”:“print”}]，“subject”：[]，“published”：{“date-parts”：[[2018,11]]}，“assertion”：[{“value”：“Elsevier”，“name“：”publisher“，”label“：”本文由“}维护，{“value”：“排名池动态网络：学习动作识别的端到端动态特征”，“name”：“articletite”，“label”：“article Title”}，{”value“：“Neurocomputing”，“name”：“journaltitle”，“标签”：“Journal Title“}，”value：“https:\\/doi.org\/101016\/j.neucom.2018.018”，“name“：”articlelink“，”label“：”CrossRef DOI link to publisher maintained version“}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，}“value”：“\u00a9 2018 Elsevier B.V.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]}