{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期部分”：[[2024,6,4]]，“日期时间”：“2024-06-04T05:51:51Z”，“时间戳”：171748031174}，“引用计数”：44，“发布者”：“IEEE”，“内容域”：{“域”：[]，“交叉标记限制”：false}，”短容器时间“：[]”，“发布发布者”：{“日期部分”：[[2017,7]]}，“DOI”：“10.1109\/cvpr.2017.194”，“type”：“proceedings-article”，“created”：{“date-parts”：[[2017,11,9]]，“date-time”：“2017-11-09T21:50:33Z”，“timestamp”：1510264233000}，“source”：《Crossref》，“is-referenced-by-count”：172，“title”：[“剩余网络的空间自适应计算时间”]，“prefix”：“10.1107”，“author”：[{“given”：”Michael“，“family”：“Figurnov”，“sequence”：“first”，“affiliation”：[]}，{“given”：“Maxwell D.”，“family”：“Collins”，“segment”：“additional”，“filiance”：[]}“附加”，“从属关系”：[]}，{“given”：“Dmitry”，“family”：“Vetrov”，“sequence”：“additional”，“affiliation”：[]}，{“fixed”：“Ruslan”，“家族”：“Salakhutdinov”，”sequence“：”additional“，”affiliation:[]}]，“member”：“263”，“reference”：[{“key”：”ref39“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/CVPR.2015.7298594“}，“key“：”ref38”，“文章标题”：“用于大规模图像识别的超深度卷积网络”，“作者”：“simonyan”，“年份”：“2015”，“期刊标题”：“ICLRE”}，{“密钥”：“ref33”，“文章标题”：“视觉注意力的递归模型”，“作者”：“mnih”，“年份”：“2014”，“期刊标题”：“NIPS”}，{“密钥”：“ref32”，“doi断言者”：“出版商”，“doi”：“10.1109\/CVPR.2015.7298965”}，{“密钥”：“ref31”，“article-title”：“Microsoft coco：上下文中的常见对象”，“author”：“lin”，“year”：“2014”，“journal-title“：”ECCV“}，{“key”：“ref30”，“artifle-titel”：“Network in Network”，”author“：”lin“，”year“：”2014“，”journal-title“:”ICLRE“}”，{”key“：”ref37“，”doi-asserted-by“：”publisher“，“doi”：“10.1038\/tnature16961”}，}，“key：”ref 36“，”文章标题“：“使用视觉注意进行动作识别”，“author”：“sharma”，“year”：“2016”，“journal-title”：“ICLR Workshop”}，{“key”：“ref35”，“doi-asserted-by”：“publisher”，”doi“：”10.1080\/135062800394667“}，”{“key”：”ref34“，”article-title“：”Faster r-cnn：使用区域提案网络实现实时对象检测“，”author“：”ren“，”year“：”2015“，”journal-title“：“NIPS”}，{“key”：“ref10”，“article-title”：“穿孔CNN:通过消除冗余卷积来加速”，“author”：“figurnov”，“year”：“2016”，“journal-title“：”NIPS“}，}”key“：”ref40“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/ICPR.2016.7900006“}/v1\/D16-1044“}，{“键”：“参考12”，“author”：“graves”，“year”：“2016”，“journal-title”：“递归神经网络的自适应计算时间”}，{“key”：“ref13”，“article-title“：“公路和残差网络学习展开迭代估计”，“au作者”：“greff”，“年份”：“2017”，“日记标题”：“ICLRE”}：“深度压缩：通过剪枝、训练量化和哈夫曼编码压缩深度神经网络”，“author”：“han”，“year”：“2016”，“journal-title”：“ICLRE”}，{“key”：“ref15”，“doi-asserted-by”：“publisher”，”doi“：”10.1109\/CVPR.2016.90“}，”{“key”：”ref16“article-title“：”深度剩余网络中的身份映射“，”author“：”he“，”year“：”2016“，“journal-title”：“ECCV”}，{“key”：“ref17”，“author”：“huang”，“year”：“2016”，“johnal-title:“Densely-Connected Convolutional Networks”}：“批量规范化通过减少内部协变量转移加速深度网络培训”}，{“key”：“ref28”，“author”：“li”，“year”：“2016”，“期刊标题”：“Videolstm会议出席并流动以进行行动识别”}，{“key”：“ref4”，“author”：“bylinskii”，“year”：“0”，“期刊标题”：“MIT显著性基准”}，{“key”：“ref27”，“doi断言由”：“publisher”，“DOI”：“10.1109\/CVPR.2015.7299170”}，{“key”：“ref3”，“article-title”：“更快模型的神经网络条件计算”，“author”：“bengio”，“year”：“2016”，“journal-title“：ICLR Workshop”}：“Deeplab语义图像分割与深度卷积网络atrus卷积和全连接crfs”}，{“key”：“ref29”，“author”：“liao”，“year”：“2016”，“journal-title”：“Bridge the gaps between learning returnal neural networks and visual cortex”}：“关于显著性模型，不同的评估指标告诉了我们什么？”，“journal-title”：“NIPS”}，{“key”：“ref2”，“article-title（文章标题）”：“通过视觉注意进行多对象识别”，“author”：“ba”，“year”：“2015”，“johnal-tittle”：”ICLRE“}，}“key:”ref9“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/CVPR.2015.7298761“}”，{”key“：”ref1“，”article-title“：”动态容量网络“，”author“：”almahiri“，“年份”：“2016年”，“新闻标题”：“ICML”}，{“key”：“ref20”，“article-title”：“Spatial transformer networks”，“author”：“jaderberg”，“year”：“2015”，“journal-title“：NIPS”}“年份”：“2014年”，“新闻标题”：“BMVC”}，{“key”：“ref42”，“article-title”：“展示、出席和讲述：用视觉注意力生成神经图像字幕”，“author”：“xu”，“year”：“2015”，“journal-title“：”ICML“}，”{“key”：“ref24”，“author”:“kruthiventi”，“year”：：“ref41”，“article-title”：“卷积lstm网络：降水预报的机器学习方法”，“author”：“xingjian”，“year”：“2015”，“journal-title“：”NIPS“}，{“key”：“ref23”，“article-title”：“Imagenet分类与深度卷积神经网络”，“author”:“krizhevsky”，“年份”：“2012”，“日记标题”：“NIPS”}，“article-title”：“字符级卷积网络用于文本分类”，“author”：“zhang”，“year”：“2015”，“journal-title“：”NIPS“}，{“key”：“ref26”，“article-title”：“Learning to combinate foveal glipses with a third order boltzmann machine”，“author”:“larochelle”，《年份》：“2010”，“新闻标题”：“NIPS”}，“key“：”ref43”，“doi-asserted-by”：“publisher”，“DOI”：“10.1109\/CVPR.2016.234”}，{“key”：“ref25”，“author”：“larochelle”，“year”：“2016”，“journal-title”：“我对递归神经网络自适应计算时间的注释”}]，“event”：{“name”：“2017 IEEE计算机视觉和模式识别会议（CVPR）”，“location”：“Honolululu，HI”，”start“：{”date-parts“：[2017,7,21]}，”end“date-part”用法：[2017,7,26]}}，“container-title”：[“2017 IEEE计算机视觉和模式识别会议（CVPR）”]，“原始标题”：[]，“链接”：[{“URL”：“http://\/xplorestaging.IEEE.org\/ielx7\/8097368\/8099677.pdf？arnumber=8099677”，“content-type”：“unspecified”，“内容-版本”：“vor”，“intended-application”：“相似性检查”}]，“存放”用法：{“date-parts”：[[2017,12,15]]，“date-time”：“2017-12-15T20:24:11Z”，“timestamp”：1513369451000}，“score”：1，“resource”：{（主要）：{”URL“：”http://\/ieeexplore.iee.org\/document\/8099677\/“}}，”副标题“：[]，”短标题“：[]，”已发布“：{‘date-part’：[2017,7]}”，“references-count”：44，“URL”：“http://\/dx.doi.org\/10.109\/cvpr.2017.194”，“关系”：{}，“主题”：[]，“已发布”：{“日期部分”：[[2017,7]]}}