{“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”：[[2024,3,14]]，“日期时间”：“2024-03-14T13:23:17Z”，“时间戳”：1710422597211}，“出版商位置”：“美国纽约州纽约市”，“引用计数”：27，“出版者”：“ACM”，“许可证”：[{“开始”：{'日期部分“：[2019,8,24]]，”日期时间“：”2019-08-24T00:00:00Z“，”时间戳“：156660480000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“http://www.acm.org\/publications\/policys\/corpyright_policy#Background”}]，“content-domain”：{“domain”:[“dl.acm.org”]，“crossmark-restriction”：true}，”short-container-title“：[]，”published-print“：{”date-parts“：[2019,8,24]]}”，“DOI”：“10.1145\/3364836.33648338“，”type“：”procesdings-article“，“created”：{“date-parts”：[[2019,12,23]]，“date-time”：“2019-12-23T13:04:52Z”，“timestamp”：1577106292000}，“update-policy”：“http://\/dx.doi.org\/10.1145\/crossmark-policy”，“source”：，“author”：[{“given”：“Chunlei”，“family”：“Yang”，“sequence”：“first”，“affiliation”：[}“name”：“中国西安西北大学信息科学与技术学院”}]}，{“给定”：“金龙”，“家庭”：“康”，“序列”：“additional”：“晓婷”，“家庭”：“薛”，”sequence“：”additional“，”affiliation“：[{”name“：”西北大学信息科学与技术学院，中国西安“}]}，{”given“：”Yang“，”family“：”Zhou“，”se序列“：”additional“、”affidiation“：”[{“name”：“”西北大学资讯科学与技术学校，中国西安”}]}，{“given”：“Hui”，“family”：“Wang”，“sequence”：“additional”，“affiliation”：[{“name”：“中国西安市陕西中医医院”}]}，{“given”：“肇星”，“family”：“Wan”，“serquence”:“additionable”，“filiance”：[[{”name“：”陕西中医医院，中国西安”}]neneneep，{”given“：”同盛“，”family“：”Su“，”sequence“：”additional“，”affiliance“：[{“name”：“中国西安陕西中医院”}]}，{“given”：“Fei”，“family”：“Xie”，“sequence”：“additional”，“affiliation”：[{“name”:“中国西安西北大学信息科学与技术学院”}]{，“givens”：“Pengfei”，“家人”：“徐”，“sequence”:“additionable”，“feliation”:[{”name“：“中国西安西北大学信息科学与技术学院”}]}]，“成员”：“320”，“在线发布”：{“date-parts”：[[2019,8,24]]}，“参考”：[{“key”：“e_1_3_2_1_1_1_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1007\/s11042-015-2696-0“}，”key“：”e_1_ 3_2_1_2_1“，”doi-assert-by“：”publisher“，“doi”：“10.1109 \/TAFFC.2015.2485205“}，{”键“：“e_1_3_2_1_3_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1016\/j.neucom.2016.05.083“}，{“key”：“e_ 1_ 3_2_1_4_1”、“doi-aserted-by“：”publisher“，“doi”：“10.1016\/S0194-5998（96）70279-6”}，“key“：j.和Li W.，2014年。基于Delaunay的微表情识别时间编码模型。施普林格国际出版社。鲁Z。；罗Z。；郑和。；陈杰。；和Li W.2014。基于Delaunay的微表情识别时间编码模型。施普林格国际出版公司。“，”DOI“：”10.1007\/978-3-319-16631-5_51“}，{”key“：”e_1_3_2_1_6_1“，”volume-title“：”计算机视觉理论与应用国际会议，271--278“，”author“：”Modersohn L.“，“unstructured”：”Modersohn，L.，and Denzler，J.2016。通过利用紧凑的判别特征的活动外观模型来预测面部轻瘫指数。在计算机视觉理论和应用国际会议上，271-278。Modersonhn，L.和Denzler，J.，2016年。通过利用紧凑的鉴别特征的活动外观模型预测面部轻瘫指数。在国际计算机视觉理论与应用会议上，271--278.“}，{“key”：“e_1_3_2_1_7_1”，“volume-title”：“国际计算机视觉会议，1449--1456”，“author”：“Pfister T.”，”unstructured“：”Pfister，T.；Li，X.；Zhao，G.；和Pietikainen，M.，2012。识别自发的面部微表情。在1449-1456年国际计算机视觉会议上。普菲斯特，T。；李，X。；赵，G。；和Pietikainen，M.2012。识别自发的面部微表情。在计算机视觉国际会议上，1449--1456。“}，{”key“：”e_1_3_2_1_8_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/S1072-7515（00）00439-7”}，“key”：“e_1_ 3_2_11_1”，“volume-title”：“信息与通信技术研讨会，155-161”，”，“author”：“Ngo T.H.”，“unstructured”：“Ngo，T.H.；Seo，M.；Chen，Y.W；和松下，N。2014.使用局部二进制模式和gabor滤波器对面瘫进行定量评估。信息和通信技术研讨会，155-161。Ngo，T.H。；Seo，M。；陈永伟。；和Matsushiro，N.2014。使用局部二进制模式和gabor滤波器对面瘫进行定量评估。在信息与通信技术研讨会上，155--161。F、。用于动作识别的双流流引导卷积注意网络。2017年IEEE国际计算机视觉研讨会（ICCVW），3110--3119。An T.和Cheong L.F.行动识别的双流引导卷积注意网络。2017 IEEE国际计算机视觉研讨会（ICCVW），3110--3119。“}，{“key”：“e_1_3_2_13_1”，“volume-title”：“IEEE计算机视觉和模式识别会议”，“author”：“Feichtenhofer C.”，“unstructured”：“FaichtenHofer，C.；Pinz，A.；and Zisserman，A.2016。用于视频动作识别的卷积两流网络融合。在1933-1941年IEEE计算机视觉和模式识别会议上。费希滕霍夫，C。；平茨，A。；和Zisserman，A.2016。用于视频动作识别的卷积两流网络融合。在IEEE计算机视觉和模式识别会议，1933-1941年。“}，{“key”：“e_1_3_2_14_1”，“unstructured”：“Simonyan K.和Zisserman A.2014a.视频中动作识别的双流卷积网络。arXiv:1406.2199:568--576。Simonyan K.和Zisserman A.，2014年A。用于视频中动作识别的双流卷积网络。arXiv:1406.2199:568--576.“}，{“key”：“e_1_3_2_15_1”，“volume-title”：“知识发现与数据挖掘国际会议，514--517”，“author”：“Liu L.”，《非结构化》：“Liw，L.；Cheng，G.；Dong，J.；and Qu，H.，2010。基于区域的面瘫程度评估。在知识发现和数据挖掘国际会议上，514-517。刘，L。；Cheng，G。；Dong，J。；和Qu，H.2010。基于区域的面瘫程度评估。在国际知识发现与数据挖掘会议上，514--517.“}，{“key”：“e_1_3_2_1_17_1”，“doi-asserted-by”：“crossref”、“unstructured”：“Barbosa J.；Lee K.；Lee S.；Lodhi B.；Cho J.G.；Seo W.K.；and Kang J.2016。使用虹膜分割和混合分类器的基于主动轮廓的关键点检测对面瘫进行有效的定量评估。英国医学会医学成像16.1（2016）：23 1--18。巴博萨J。；Lee K。；Lee S。；Lodhi B。；Cho J.G。；Seo W.K。；和Kang J.2016。使用虹膜分割和基于主动轮廓的关键点检测和混合分类器对面瘫进行有效的定量评估。Bmc Medical Imaging 16.1（2016）：23 1--18.“，”DOI“：”10.1186\/s12880-016-0117-0“}，”key“：”e_1_3_2_18_1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.1007\/s001060170029”}，“key”：“e_1_ 3_2_19_1”，“DOI-assert-by”：“crossref”，”unstructured“：”He S.；Soraghan J.；O’Reilly B.F.；和Xing D.2009。使用生物医学视频中的局部二进制模式对面瘫进行定量分析。IEEE生物医学工程学报56（7）：1864。He S。；Soraghan J.J。；O’Reilly B.F。；和Xing D.2009。使用生物医学视频中的局部二进制模式对面瘫进行定量分析。IEEE生物医学工程学报56（7）：1864.“，”DOI“：”10.1109\/TBME.2009.2017508“}，{“问题”：“3”，“关键”：“e_1_3_2_1_20_1”，“首页”：“1”，“文章标题”：“生物医学图像序列分析及其在面瘫自动定量评估中的应用”，“卷”：“2007”，“作者”：“He S.”，《年份》：“2007年”，“非结构化”：“Ho，S；Soraghan，J.J；和O’Reilly，B.F.2007。生物医学图像序列分析及其在面瘫自动定量评估中的应用。J.图像视频处理。2007 ( 3 ):2: 1 -- 2 :11. He，S。；Soraghan，J.J。；和O’Reilly，B.F.，2007年。生物医学图像序列分析及其在面瘫自动定量评估中的应用。J.图像视频处理。2007（3）：2:1--2:11.”，“新闻标题”：“J.图像视频处理。“}，{“key”：“e_1_3_2_1_21_1”，“doi断言者”：“publisher”，“doi”：“10.1007\/BF023475440”}，{“key”：“e_1_3_2_1_22_1”，“doi断言者”：“publisher”，“doi”：“10.1016\/j.bjp.2007.03.037”}，{“key”：“e_1_3_2_1_23_1”，“卷标题”：“IEEE生物医学成像国际研讨会，135-138”，“作者”：“Guo Z.”，“非结构化”：“Guo，Z.；Shen，M.；段，L；周，Y；Xiang，J；丁·H；陈，S；O.Deussen；和Dan，G。2017.深度评估过程：通过深度卷积神经网络对单侧周围性面瘫进行客观评估。在IEEE生物医学成像国际研讨会上，135-138。郭，Z。；沈，M。；段，L。；周，Y。；Xiang，J。；丁·H。；陈，S。；O.Deussen。；Dan，G.，2017年。深度评估过程：通过深度卷积神经网络对单侧周围性面瘫进行客观评估的过程。在IEEE国际生物医学成像研讨会上，135--138。“}，{“key”：“e_1_3_2_1_24_1”，“volume-title”：“IEEE计算机视觉和模式识别会议，1-9.”，“author”：“Szegedy C.”，“unstructured”：“塞格迪，C；刘伟；贾毅；Sermanet，P；里德，S；安格洛夫，D；Erhan，D；Vanhoucke，V；和Rabinovich，A。2015年，深入卷积。在IEEE计算机视觉和模式识别会议上，1-9。塞格迪，C。；刘伟。；贾毅。；Sermanet，P。；里德，S。；安格洛夫，D。；Erhan，D。；Vanhoucke，V。；和Rabinovich，A.2015。用卷积深入。在IEEE计算机视觉和模式识别会议上，1-9.“}，{”key“：”e_1_3_2_1_25_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TPAMI.2016.2577031”}，“key”：“e_1_a_2_1_26_1”，“doi-assert-by”：“publisher”，”doi“：”10.1162\/neco.1735“}”，{IEEE计算机视觉和模式识别研讨会会议，1219--1225“，“作者”：“Lan Z”，“非结构化”：“Lan，Z；Zhu，Y；Hauptmann，A.G；和Newsam，S。2017.动作识别的深度本地视频功能。在IEEE计算机视觉和模式识别研讨会上，1219-1225。兰，Z。；Zhu，Y。；Hauptmann，A.G。；和Newsam，S.2017。用于动作识别的深层本地视频功能。在IEEE计算机视觉和模式识别研讨会上，1219--1225。“}，{”key“：”e_1_3_2_1_28_1“，”volume-title“：”arxiv:1707.04045:1-7“，“author”：”Yoo LSTM“，“year”：“2017”，“unstructured”：“Yoo，Jae Hyeon。”Batch Normalized LSTM Translator指导的大规模视频分类。“（2017）.axiv版本：1707.04045:1-7。哟，Jae Hyeon\“由批处理规范化LSTM转换器指导的大规模视频分类”（2017）。arxiv:1707.04045:1--7.“}，{“key”：“e_1_3_2_1_29_1”，“volume-title”：“神经信息处理系统国际会议，1097--1105”，“author”：“Krizhevsky A.”，“unstructured”：“krizhevky，A.；Sutskever，I.；和Hinton，G.e.2012。基于深度卷积神经网络的Imagenet分类。在国际神经信息处理系统会议上，1097-1105。Krizhevsky，A。；Sutskever，I。；和Hinton，G.E.2012。基于深度卷积神经网络的Imagenet分类。在神经信息处理系统国际会议上，1097--1105。“}，{“key”：“e_1_3_2_1_30_1”，“unstructured”：“Simonyan K.和Zisserman A.2014年b。用于大规模图像识别的深度卷积网络。计算机科学。Simonyan K.和Zisserman A.2014年b。用于大规模图像识别的深度卷积网络。计算机科学。“}]，”事件“：{“name”：“ISICDM 2019:第三届图像计算与数字医学国际研讨会”，“location”：“中国西安”，“缩写词”：“2019 ISICDM”，“赞助商”：[“西安大学”]}，“container-title”：[《第三届国际图像计算与数字化医学研讨会论文集》]，“original-tittle”：[]，“link”：[{“URL”：“https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3364838“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2023,13]]，”date-time“：“2023-01-13T21:33:46Z”，”timestamp“：1673645626000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3364838“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2019,8,24]]}，“引用计数”：27，”替代id“：[”10.1145\/3364366.3364838“，”关系“：{}，”主题“：[]，”发布“：{”日期部分“：[[2019,8,24]]}，“断言”：[{”value“：”2019-08-24“，”order“：2，”name“：”published“，”label“：”published“，”group“：{”name“:”publication_history“，”标签“：”publication history“}}]}}