{“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”：[[2024,6,13]]，“日期-时间”：“2024-06-13T05:56:13Z”，“时间戳”：1718258173416}，“引用-计数”：57，“发布者”：“IEEE”，“许可证”：[{“开始”：{'日期-部件“：[2021,10,1]]，”日期-时间“：”2021-10-01T00:00:00Z“，”timestamp“：1633046400000}，”content-version“：“stm-asf”，“delay-in-days”：0，“URL”：“https:\\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[2021,10,1]]，“date-time”：“2021-10-01T00:00:00Z”，“timestamp”：163304640000}，“content-version”：“stm-asf”}]，“出资人”：[{“doi”：“10.13039\/501100012166”，“名称”：“中国国家重点研发计划”，“doi断言者”：“出版者”}]，“内容域”：｛“域”：[]，“交叉标记限制”：false｝，“短容器标题”：[]，“已出版印刷品”：｛“日期部分”：[[2021,10]]｝，“doi”：“10.1109\/iccv48922.2021.00326”，“类型”：“诉讼文章”，“创建”：｛“日期部分”：[[2022,28]]，“日期时间”：“2022-02-28T22:08:02Z”，“timestamp”：1646086082000}，“source”：“Crossref”，“is-referenced-by-count”：29，“title”：[“Multi-source Domain Adaptation for Object Detection”]，“prefix”：“10.1109”，”author“：[{”given“：“Xingxu”，“family”：“Yao”，“sequence”：“first”，“affiliation”：[{“name”：“Nankai University，China”}]}，{“givent”：“Sicheng”，“家庭”：“Zhao”，”sequence“：“additional”，“affiliation”：[{“name”：“Columbia University，USA”}]}，{“given”：“Pengfei”，“family”：“Xu”，“sequence”：“additive”，“feliation”:[{”name“：“Didi Chuxing，China”}]neneneep，{”given“：”Jufeng“，”family“：”Yang“sequencence”：”additional“，”affiliation:[{（名字）：“中国南开大学”}]]，“member”：“263”，“reference”：[}“key”：“ref39”，“author”：“shen”，“year”：“2019”，“journal-title”：“ScI通过基于梯度分离的堆叠互补损耗实现精确的域自适应对象检测”}，{“key”：“ref38”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.neucom.2019.08.022”}、{“key”：”ref33“，”doi-assert-by“：”publisher“，”doi“：”10.1109\/CVPR.2017.690“}，}“key”：“ref32”，“doi-asserted-by”“：”publisher“，”doi“：“10.1109\/CVPR.2016.91”}，{“key”：“ref31”，“article-title”：“多源开放集深度对抗域适配”，“author”：“rakheat”，“year”：“2020”，“journal-title“：”ECCV“}，}“key”：”ref30“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/ICCV.2019.00682“}10.1109\/CVPR.2019.00712“}，{“键”：“参考36”，“article-title”：“通过最大化转移和最小化干扰来学习学习而不忘记”，“author”：“riemer”，“year”：“2019”，“journal-title“：”ICLRE“}，{“key”：“ref35”，“artice-title（文章标题）”：“Faster r-cnn：使用区域提议网络实现实时对象检测”，“author”:“ren”，”year“：”2015“，”journal-title“:”NeurIPS“}”，{”key“：“ref34”，“author”：“redmon”，“year”：“2018”，“journal-title”：“YOLOv3 An Incremental Improvement”}，{“key”：“ref28”，“author”：“paszke”，“年”：“2017”，“日记标题”：“pytorch中的自动区分”}、{“密钥”：“ref27”，“doi-asserted-by”：“publisher”、“doi”：“10.1109\/CVPR.2017.639”}I“：”10.1109\/ICCV.2019.00149“}，{“key”：“ref2”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/s10994-009-5152-4”}by“：”publisher“，”doi“：”10.1109\/SSCI47803.2020.9308604“}，{”key“：”ref21“，“article-title”：“用于多源和半监督域自适应的在线元学习”，“author”：“li”，“year”：“2020”，“journal-title“：”ECCV“}，{“key”：“ref24”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/ICCV.2017.324”}，“key“：”ref23“，”first page“：“6799”，“article-title”：“通过多域匹配提取关系”，“作者”：“li”，”year“：“2018”，“journal-title”：“NeurIPS”}，{“key”：“ref26”，“article-title“：”多源域适配“，”author“：”mansour“，”year“：”2009“，”journal-title“:”NeurIPS“}，”{“密钥”：“ref25”，“article-title”：“Ssd：单发多盒检测器”，“author”：“liu”，“year”：“2016”，“日记标题”：“ECCV”}、{“key”：”ref50“，”author“”：”于”，“年份”：“2018”，“新闻标题”：“Bdd100k一个具有可扩展注释工具的多样化驾驶视频数据库”}，{“key”：“ref51”，“article-title”：“对抗性多源域适配”，“author”：“zhao”，“year”：“2018”，“journal-title“：”NeurIPS“}，}”key“：”ref57“，”doi-asserted-by“：”publisher“，”doi“：”10.1609\/aaai.v34i07.7015内政部“：“10.1109\/CVPR.2019.00078”}，{“key”：“ref55”，“doi-asserted-by”：“publisher”，“doi”：“10.109\/ICCV.2017.244”}“，”journal-title“：”NeurIPS“}，{”key“：”ref52“，“author”：“zhao”，“year”：“2020”，“journal-title”：“深度学习时代的多源领域适应系统调查”}，{“key”：“ref10”，“doi-asserted-by”：“publisher”，”doi“：”10.1109 \/CVPR.2012.6248074“}，”{“key”：”ref11“，”doi-assert-by“：”publisher“，”doi:“10.1109\/ICCV.2015.169”}“年份”：“2014年”，“新闻标题”：“用于大规模图像识别的极深卷积网络”}，{“key”：“ref12”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/CVPR.2014.81”}{“key”：“ref15”，“article-title”：“多源适配的算法和理论”，“author”：“hoffman”，“year”：“2018”，“journal-title”：“NeurIPS”}，{“key”：“ref16”，“doi-asserted-by”：“publisher”，“doi”：“10.1109”，WACV45572.2020.9093358”}by“：”publisher“，”doi“：“10.1109 \/ICCV.2019.00057”}，{“key”：“ref19”，“doi-asserted-by”：“publisher”，“doi”：“10.109\/ICCV.2019.00619”}journal-title“：”NeurIPS“}，{”key“：”ref6“，”doi-asserted-by“：“publisher”，“DOI”：“10.1109\/CVPR.2018.00352”}，{“key”：“ref5”，“DOI-asserted-by”：“publicher”，“DOI”：”10.1109\/CVPRW50498.2020.00358“}，}“keys”：“ref8”，“article-title”：“视觉领域自适应的自我集成”，“author”：“french”，“year”：“2018”，“journal-title“：”ICLRE“}”，{”key“：”ref7“，”DOI-assert-by“：“publisher”，“DOI”：“10.1109\/CVPR.2016.350”}，{“key”：“ref49”，“article-title”：“多源域自适应中源选择的课程管理器”，“author”：“yang”，“year”：“2020”，“journal-title“：”ECCV“}，{“key”：“ref9”，“article-title”：“Unsupervised domain adaptation by backpropagation”，“author”:“ganin”，“year”：”2015“，”journal-title“”：“ICML”}，“key“：”“ref46”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/CVPR42600.2020.01174”}，{“key”：“ref45”，“doi-asserted-by”：“publisher”，“doi”：“10.109\/CVPR.2019.00746”}，{“key”：“ref42”，“article-title”：“平均教师是更好的榜样：加权一致性目标提高了半监督深度学习的效果”，“作者”：“tarvainen”，“年份”：“2017年”，“新闻标题”：“NeurIPS”}，{“key”：“ref41”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.inffus.2014.12.003”}，{“key”：“ref43”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/978-3-030-58598-3_43”}]，“event”：{“name”：“2021 IEEE\/CVF国际计算机视觉会议（ICCV）”，“location”：“Montreal，QC，Canada”，”start“：{”date-parts“：[2021,10,10]]}，”end“date-parts”：[[2021,10,17]]}}，“container-title”：[“2021 IEEE \/CVF国际计算机视觉会议（ICCV）”]，“original-title”：[]，“link”：[{“URL”：“http://\/xplorestaging.IEEE.org\/ielx7\/9709627\/9709928\/0970997676.pdf？arnumber=9709976”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2022,7,11]]，“日期-时间”：“2022-07-11T20:04:01Z”，“timestamp”：1657569841000}，“score”：1，“resource”：{“primary”：{“URL”：“https:\/\/ieeexplore.iee.org\/document\/9709976\/”}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[2021,10]]}，'references-count“：57，”URL“：”http://\/dx.doi.org\/10.109\/ic cv48922.2021.00326“，”关系“：{}，”主题“：[]，”发布“：{”日期部分“:[[2021,10]]}}}