0
  • DE
  • EN
  • FR
  • Internationale Datenbank und Galerie für Ingenieurbauwerke

Anzeige

Die folgende Bibliografie enthält alle in dieser Datenbank indizierten Veröffentlichungen, die mit diesem Namen als Autor, Herausgeber oder anderweitig Beitragenden verbunden sind.

  1. Li, Yanfen / Wang, Hanxiang / Dang, L. Minh / Song, Hyoung‐Kyu / Moon, Hyeonjoon (2023): Attention‐guided multiscale neural network for defect detection in sewer pipelines. In: Computer-Aided Civil and Infrastructure Engineering, v. 38, n. 15 (April 2023).

    https://doi.org/10.1111/mice.12991

  2. Dang, L. Minh / Wang, Hanxiang / Li, Yanfen / Nguyen, Le Quan / Nguyen, Tan N. / Song, Hyoung-Kyu / Moon, Hyeonjoon (2023): Lightweight pixel-level semantic segmentation and analysis for sewer defects using deep learning. In: Construction and Building Materials, v. 371 (März 2023).

    https://doi.org/10.1016/j.conbuildmat.2023.130792

  3. Dang, L. Minh / Wang, Hanxiang / Li, Yanfen / Nguyen, Le Quan / Nguyen, Tan N. / Song, Hyoung-Kyu / Moon, Hyeonjoon (2022): Deep learning-based masonry crack segmentation and real-life crack length measurement. In: Construction and Building Materials, v. 359 (Dezember 2022).

    https://doi.org/10.1016/j.conbuildmat.2022.129438

  4. Dang, L. Minh / Wang, Hanxiang / Li, Yanfen / Park, Yesul / Oh, Chanmi / Nguyen, Tan N. / Moon, Hyeonjoon (2022): Automatic tunnel lining crack evaluation and measurement using deep learning. In: Tunnelling and Underground Space Technology, v. 124 (Juni 2022).

    https://doi.org/10.1016/j.tust.2022.104472

  5. Dang, L. Minh / Wang, Hanxiang / Li, Yanfen / Nguyen, Tan N. / Moon, Hyeonjoon (2022): DefectTR: End-to-end defect detection for sewage networks using a transformer. In: Construction and Building Materials, v. 325 (März 2022).

    https://doi.org/10.1016/j.conbuildmat.2022.126584

  6. Hassan, Syed Ibrahim / Dang, L. Minh / Mehmood, Irfan / Im, Suhyeon / Choi, Changho / Kang, Jaemo / Park, Young-Soo / Moon, Hyeonjoon (2019): Underground sewer pipe condition assessment based on convolutional neural networks. In: Automation in Construction, v. 106 (Oktober 2019).

    https://doi.org/10.1016/j.autcon.2019.102849

Eine Veröffentlichung suchen...

Nur verfügbar mit
Mein Structurae

Volltext
Structurae kooperiert mit
International Association for Bridge and Structural Engineering (IABSE)
e-mosty Magazine
e-BrIM Magazine