{“id”：“https://openalex.org/W2897997476“，”doi“：”https://doi.org/10.1109/bigmm.2018.8499058“，”title“：”在个人重新识别基线中合理分配GAN图像的标签分布“，”display_name“：”合理分配标签分布到个人重新识别基准中的GAN图像“，”publication_year“：2018，”publiation_date“：”2018-09-01“，”ids“：{”openalex“：”https://openalex.org/W2897997476“，”doi“：”https://doi.org/10.1109/bigmm.2018.8499058“，”mag“：”2897997476“}，”language“：”en“，”primary_location“：{”is_oa“：false，”landing_page_url“：”https://doi.org/10.1109/bigmm.2018.8499058“，”pdf_url“：null，”source“：null，”license“：null'，”licence_id“：null，”version“：nuller，”is_accepted“：false，”is_published“：false}，”type“：”article“，”type_crossref“：“procesdings-article”，”indexed_in“：[”crossref“]，”open_access“：{”is_oa“：false，”oa_status“：”closed“，”oa_url”：null“，”any_repository_has_fulltext“：false}”，”authorships“：[{”author_position“：”first“，”作者“：{”id“：”https://openalex.org/A5037442049“，”display_name“：”Kunhong Yu“，”orcid“：null}，”institutions“：[{”id“：”https://openalex.org/I21193070“，”display_name“：”北京交通大学“，”ror“：”https://ror.org/01yj56c84“，”country_code“：”CN“，”type“：“教育”，”世系“：[”https://openalex.org/I21193070“]}]，”countries“：[”CN“]，”is_corresponding“：false，”raw_author_name“：”Kunhong Yu“，”raw _ afiliation_strings“：【”北京交通大学计算机与信息技术学院，中国北京“】，”affiliations“：[{”raw_ afiliation _string“：”北京交通大计算机与信息学院，中国“，”机构ID“：[”https://openalex.org/I21193070“]}]}，{”author_position“：”middle“，”author“：{”id“：”https://openalex.org/A5023442981“，”display_name“：”从严郎“，”兽人“：”https://orcid.org/0000-0001-6059-7943}，“机构”：[{“id”：https://openalex.org/I21193070“，”display_name“：”北京交通大学“，”ror“：”https://ror.org/01yj56c84“，”country_code“：”CN“，”type“：“教育”，”世系“：[”https://openalex.org/I21193070“]}]，”国家“：[”CN“]，”is_corresponding“：false，”raw_author_name“：”Congyan Lang“，”raw _ afiliation_strings“：[“北京交通大学计算机与信息技术学院，中国北京”]，”affiliations“：[{”raw _affiliation_strong“：”北京交通大学计算与信息技术院，中国北京“，”机构ID“：[”https://openalex.org/I21193070“]}]}，{”author_position“：”middle“，”author“：{”id“：”https://openalex.org/A5085406955“，”display_name“：”宋鹤峰“，”兽人“：”https://orcid.org/0000-0002-5922-9358}，“机构”：[{“id”：https://openalex.org/I21193070“，”display_name“：”北京交通大学“，”ror“：”https://ror.org/01yj56c84“，”country_code“：”CN“，”type“：“教育”，”世系“：[”https://openalex.org/I21193070“]]，”国家“：[”CN“]，”is_corresponding“：false，”raw_author_name“：”宋鹤峰“，”raw_affiation_string“：[”北京交通大学计算机与信息技术学院，中国北京“]，”附属机构“：[{”raw_affiation_string“：”北京交通大学计算机与信息技术学院，中国北京“，”机构ID“：[”https://openalex.org/I21193070“]}]}，{”author_position“：”last“，”author“：{”id“：”https://openalex.org/A5100453676“，”display_name“：”Tao Wang“，”orcid“：”https://orcid.org/0000-0003-2369-2129}，“机构”：[{“id”：https://openalex.org/I21193070“，”display_name“：”北京交通大学“，”ror“：”https://ror.org/01yj56c84“，”country_code“：”CN“，”type“：“教育”，”世系“：[”https://openalex.org/I21193070“]}]，”国家“：[”CN“]，”is_corresponding“：false，”raw_author_name“：”Tao Wang“，”rau_affiliation_strings“：[“北京交通大学计算机与信息技术学院，中国北京”]，”affiliations“：[{”raw_affiliation_string“：”北京交通大学计算与信息技术学校，中国北京“机构ID“：[”https://openalex.org/I21193070“]}]}]，”institution_assertions“：[]，”countries_distinact_count“：1，”institutions_disticant_count”：1，“corresponding_author_ids”：[]、”correspounding_institution_ids“：[]，”apc_list“：null，”apc _payed“：null，”fwci“：0.086，”has_fulltext“：false，”cited_by_count：false，“is_in_top_10_percent“：false}，”cited_by_percentile_year“：{”min“：63，”max“：71}，“biblio”：{“volume”：null，“issue”：nul，“first_page”：null，“last_page”：null}，《is_retracted》：false，“is_paratext”：false、“primary_topic”：{“id”：“https://openalex.org/T10331“，”display_name“：”视觉对象跟踪和人员重新识别“，”score“：0.9999，”subfield“：{”id“：”https://openalex.org/subfields/1707“，”display_name“：”计算机视觉和模式识别“}，”字段“：{”id“：”https://openalex.org/fields/17“，”display_name“：”Computer Science“}，”domain“：{”id“：”https://openalex.org/domains/3“，”display_name“：”物理科学“}}，”主题“：[{”id“：”https://openalex.org/T10331“，”display_name“：”视觉对象跟踪和人员重新识别“，”score“：0.9999，”subfield“：{”id“：”https://openalex.org/subfields/1707“，”display_name“：”计算机视觉和模式识别“}，”字段“：{”id“：”https://openalex.org/fields/17“，”display_name“：”Computer Science“}，”domain“：{”id“：”https://openalex.org/domains/3“，”display_name“：”物理科学“}}，{”id“：”https://openalex.org/T11448“，”display_name“：”人脸识别与分析技术“，”score“：0.9971，”subfield“：{”id“：”https://openalex.org/subfields/1707“，”display_name“：”计算机视觉和模式识别“}，”字段“：{”id“：”https://openalex.org/fields/17“，”display_name“：”Computer Science“}，”domain“：{”id“：”https://openalex.org/domains/3“，”display_name“：”物理科学“}}，{”id“：”https://openalex.org/T10775“，”“display_name”：“图像处理中的生成对手网络”，“score”：0.9969，“subfield”：{“id”：“https://openalex.org/subfields/1707“，”display_name“：”计算机视觉和模式识别“}，”字段“：{”id“：”https://openalex.org/fields/17“，”display_name“：”Computer Science“}，”domain“：{”id“：”https://openalex.org/domains/3“，”display_name“：”物理科学“}}]，”关键词“：[{”id“：”https://openalex.org/keywords/overfitting网站“，”display_name“：”过度匹配“，”score“：0.8601786}，{”id“：”https://openalex.org/keywords/boosting网站“，”display_name“：”Boosting（machine learning）“，”score“：0.64664525}，{”id“：”https://openalex.org/keywords/regulation网站“，”display_name“：”正则化（语言学）“，”score“：0.63223225}，{”id“：”https://openalex.org/关键字/超参数“，”display_name“：”Hyperparameter“，”score“：0.6145431}，{”id“：”https://openalex.org/keywords/baseline网站“，”display_name“：”基线（sea）“，”分数“：0.5400743}，{”id“：”https://openalex.org/keywords/representation-learning网站“，”display_name“：”表示学习“，”score“：0.533802｝，｛”id“：”https://openalex.org/keywords/person-re-identification“，”display_name“：”人员重新识别“，”score“：0.526784}，{”id“：”https://openalex.org/keywords/feature-learning“，”display_name“：”功能学习“，”score“：0.524816}，{”id“：”https://openalex.org/keywords/unsupervised学习“，”display_name“：”无监督学习“，”score“：0.517575}，{”id“：”https://openalex.org/keywords/image-inpainting网站“，”display_name“：”图像绘画“，”score“：0.517345}，{”id“：”https://openalex.org/keywords/identification网站“，”display_name“：”Identification（biology）“，”score“：0.43957537}]，”concepts“：[{”id“：”https://openalex.org/C22019652，“wikidata”：https://www.wikidata.org/wiki/Q331309“，”display_name“：”Overfitting“，”level“：3，”score“：0.8601786}，{”id“：”https://openalex.org/C41008148，“wikidata”：https://www.wikidata.org/wiki/Q21198“，”display_name“：”计算机科学“，”level“：0，”score“：0.79935193}，{”id“：”https://openalex.org/C154945302，“wikidata”：https://www.wikidata.org/wiki/Q11660“，”display_name“：”人工智能“，”level“：1，”score“：0.7082561}，{”id“：”https://openalex.org/C46686674，“wikidata”：https://www.wikidata.org/wiki/Q466303“，”display_name“：”Boosting（machine learning）“，”level“：2，”score“：0.64664525}，{”id“：”https://openalex.org/C2776135515，“wikidata”：https://www.wikidata.org/wiki/Q17143721“，”display_name“：”正则化（语言学）“，”level“：2，”score“：0.63223225}，{”id“：”https://openalex.org/C79337645，“wikidata”：https://www.wikidata.org/wiki/Q779824“，”display_name“：”Outlier“，”level“：2，”score“：0.62812495}，{”id“：”https://openalex.org/C8642999，“wikidata”：https://www.wikidata.org/wiki/Q4171168“，”display_name“：”Hyperparameter“，”level“：2，”score“：0.6145431}，{”id“：”https://openalex.org/C153180895，“wikidata”：https://www.wikidata.org/wiki/Q7148389“，”display_name“：”模式识别（心理学）“，”level“：2，”score“：0.56245935}，{”id“：”https://openalex.org/C12725497，“wikidata”：https://www.wikidata.org/wiki/Q810247“，”display_name“：”基线（sea）“，”级别“：2，”分数“：0.5400743}，{”id“：”https://openalex.org/C119857082，“wikidata”：https://www.wikidata.org/wiki/Q2539（网址：https://www.wikidata.org/wiki/Q2539）“，”display_name“：”机器学习“，”level“：1，”score“：0.45474172}，{”id“：”https://openalex.org/C116834253，“wikidata”：https://www.wikidata.org/wiki/Q2039217“，”display_name“：”识别（生物学）“，”level“：2，”score“：0.43957537｝，｛”id“：”https://openalex.org/C50644808，“wikidata”：https://www.wikidata.org/wiki/Q192776“，”display_name“：”人工神经网络“，”level“：2，”score“：0.08550355}，{”id“：”https://openalex.org/C11368507，“wikidata”：https://www.wikidata.org/wiki/Q43518“，”display_name“：”Oceanography“，”level“：1，”score“：0.0}，{”id“：”https://openalex.org/C59822182，“wikidata”：https://www.wikidata.org/wiki/Q441“，”display_name“：”Botany“，”level“：1，”score“：0.0｝，｛”id“：”https://openalex.org/C86803240，“wikidata”：https://www.wikidata.org/wiki/Q420“，”display_name“：”生物学“，”等级“：0，”分数“：0.0}，{”id“：”https://openalex.org/C127313418，“wikidata”：https://www.wikidata.org/wiki/Q1069“，”display_name“：”Geology“，”level“：0，”score“：0.0}]，”mesh“：[]，”locations_count“：1，”location“：[{”is_oa“：false，”landing_page_url“：”https://doi.org/10.1109/bigmm.2018.8499058“，”pdf_url“：null，”source“：null，”license“：null，”license_id“：null，”version“：null，”is_accepted“：false，”is_published“：false｝]，”best_oa_location“：null，”sustainable_development_goals“：[]，”grants“：[]，”dataset“：[]，”version“：[]，”referenced_works_count“：38，”referenced_works“：[”https://openalex.org/W1949591461","https://openalex.org/W1958236864","https://openalex.org/W1963882359","https://openalex.org/W1982925187","https://openalex.org/W1991452654","https://openalex.org/W2068042582","https://openalex.org/W2099471712","https://openalex.org/W2106053110","https://openalex.org/W2117154949","https://openalex.org/W2117539524","https://openalex.org/W2135442311","https://openalex.org/W2165874743","https://openalex.org/W2168356304","https://openalex.org/W2173520492","https://openalex.org/W2194775991","https://openalex.org/W2204750386","https://openalex.org/W2300840837","https://openalex.org/W2337600727","https://openalex.org/W2402144811","https://openalex.org/W2412510955","https://openalex.org/W2414767909","https://openalex.org/W2467139031","https://openalex.org/W2470322391","https://openalex.org/W2475284720","https://openalex.org/W2502225121","https://openalex.org/W2511791013","https://openalex.org/W2519904008","https://openalex.org/W2583147637","https://openalex.org/W2585635281","https://openalex.org/W2953384591","https://openalex.org/W2962793481","https://openalex.org/W2963226019","https://openalex.org/W2963373786","https://openalex.org/W2963420272","https://openalex.org/W2964346648","https://openalex.org/W3098711604网址","https://openalex.org/W4297918356","https://openalex.org/W4320013936“]，”related_works“：[”https://openalex.org/W4362597605","https://openalex.org/W4298369531","https://openalex.org/W4297676672","https://openalex.org/W4281702477","https://openalex.org/W3155135229","https://openalex.org/W2922073769","https://openalex.org/W2393964553","https://openalex.org/W2121565117","https://openalex.org/W1574414179","https://openalex.org/W1487831638“]，”abstract_inverted_index“：{“Todaw，”：[0]，“amount”：[1]，“of”：[2,19,49,53,80121141153156]，“computer”：[3]，“vision”：[4]，“tasks”：[5]，“reach”：[6]，“better”：[7]，“performance”：[8,39104]，“by”：[9,57]，“using”：[10]，“Generative”：[11]，“Adversarial”：[12]，“Nets（GAN），”：[13]，“：[14103]，“main”：[15]，“and”：[16]，“basic”：[17]，“purpose”：[18]，”GAN“：[20,58157]，”is“：[21]，”to“：[22,77]，”generate“：[23]，”unlabeled“：[24,54,81133]，”images“：[25,34,55,82134158]，”so“：[26]，”that“：[27,88130]，”training“：[28136]，”deep“：[2]，”learning“：[30]，”models“：[31]，”with“：[32124]，”these“：[33]，”can“：[35,90128143]，”满怀希望“：[36]，”boost“：[37]，”system“：[38]，”显著。“：[40]，”In“：[41]，”this“：[42]，”paper“：[43]，”we“：44,64]，”suggest“：[45,65]，”a“：[46139]，”specific“：[47]，”method“：[48123]，”properly“：[50]，”making“：[51]，”use“：[52]，”generated“：[56]，”for“：[59,69]，”person“：[60106]，”re-identification（re-ID）“：[61]，”baseline“62]，“训练”，：[63]，“标签”：[66,75151]，“增强”：[67]，“正规化”：[68142]，“离群值（LBRO）“：[70]，”算法“：[71]，”其中“：[72]，”赋值“：[73]，”合理“：[74]，”分布“：[76152]，”不同“：[78154]，”数字“：[79]，”当“：[83159]，”计算“：[84160]，”损失。“：[85161]，“我们”：[86127]，“验证”：[87]，“LBRO”：[89]，“减少”：[91]，“过拟合”：[92145]，“as”：[93,95138]，“well”：[94]，“欠拟合”：96]，“under”：[97]，“variable”：[98]，“环境，”：[99]，“also”：[100]，“极大”：[101]，“增强”：[102]，“in”：[105]，“re-”：[107]，“ID“：[108]，”基线。“：[109]，”实验“：[110]，”关于“：[111]，”三“：[112]，”主流“：[113]，”数据集：“：[114]，”市场1501，“：[115]，”CUHK03，“：116]，”DukeMTMC-reID“：[117]，”显示“：[118]，”有效“：[119]，”结果“：[120]，”我们的“：[122]，”调谐“：[125]，”超参数。“：[126]，”结束“：[129]，”添加“：[131]，”更多“：[132]，”进入“：[135]，”设置“：[137]，”形式“：[140]，”战斗“：[144]，”但是“：[146]，”一个“：[147]，”必须“：[148]，”考虑“：[149]，”小心“：[150]，”大小“：[155]}，”引用_by_api_url“：”https://api.openalex.org/works？filter=cites:W2897997476“，”counts_by_year“：[{”年“：2021，”引用_by_count“：1}]，”更新日期“：”2024-09-14T11:15:59.083370“，”创建日期“：“2018-10-26”}