0
  • DE
  • EN
  • FR
  • Base de données et galerie internationale d'ouvrages d'art et du génie civil

Publicité

Hybrid deep learning architecture for rail surface segmentation and surface defect detection

Auteur(s): (State Key Laboratory of Rail Traffic Control and Safety Beijing Jiaotong University Beijing China)
(State Key Laboratory of Rail Traffic Control and Safety Beijing Jiaotong University Beijing China)
(Department of Civil and Environmental Engineering University of South Carolina Columbia South Carolina USA)
(Department of Civil and Environmental Engineering University of South Carolina Columbia South Carolina USA)
(State Key Laboratory of Rail Traffic Control and Safety Beijing Jiaotong University Beijing China)
(State Key Laboratory of Rail Traffic Control and Safety Beijing Jiaotong University Beijing China)
Médium: article de revue
Langue(s): anglais
Publié dans: Computer-Aided Civil and Infrastructure Engineering, , n. 2, v. 37
Page(s): 227-244
DOI: 10.1111/mice.12710
Structurae ne peut pas vous offrir cette publication en texte intégral pour l'instant. Le texte intégral est accessible chez l'éditeur. DOI: 10.1111/mice.12710.
  • Informations
    sur cette fiche
  • Reference-ID
    10612567
  • Publié(e) le:
    09.07.2021
  • Modifié(e) le:
    07.01.2022
 
Structurae coopère avec
International Association for Bridge and Structural Engineering (IABSE)
e-mosty Magazine
e-BrIM Magazine