当前位置：
X-MOL 学术
›
Struct. Health Monit.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Deep super resolution crack network (SrcNet) for improving computer vision–based automated crack detectability in in situ bridges
Structural Health Monitoring ( IF 5.7 ) Pub Date : 2020-05-29 , DOI: 10.1177/1475921720917227 Hyunjin Bae 1 , Keunyoung Jang 1 , Yun-Kyu An 1
Structural Health Monitoring ( IF 5.7 ) Pub Date : 2020-05-29 , DOI: 10.1177/1475921720917227 Hyunjin Bae 1 , Keunyoung Jang 1 , Yun-Kyu An 1
Affiliation
This article proposes a new end-to-end deep super-resolution crack network (SrcNet) for improving computer vision–based automated crack detectability. The digital images acquired from large-scale c...
中文翻译：
深度超分辨率裂纹网络（SrcNet），用于提高基于计算机视觉的现场桥梁自动裂纹检测能力
本文提出了一种新的端到端深度超分辨率裂纹网络（SrcNet），用于提高基于计算机视觉的自动裂纹检测能力。从大规模计算机获取的数字图像...
更新日期：2020-05-29
中文翻译：
深度超分辨率裂纹网络（SrcNet），用于提高基于计算机视觉的现场桥梁自动裂纹检测能力
本文提出了一种新的端到端深度超分辨率裂纹网络（SrcNet），用于提高基于计算机视觉的自动裂纹检测能力。从大规模计算机获取的数字图像...
京公网安备 11010802027423号