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

Anzeige

An active learning framework featured Monte Carlo dropout strategy for deep learning-based semantic segmentation of concrete cracks from images

Autor(en): (Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology, Clear Water Bay, Kowloon, HKSAR, China)
(Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology, Clear Water Bay, Kowloon, HKSAR, China)
(Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology, Clear Water Bay, Kowloon, HKSAR, China)
(Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology, Clear Water Bay, Kowloon, HKSAR, China)
(Shenzhen Key Laboratory of Intelligent Structure System in Civil Engineering, Harbin Institute of Technology, Shenzhen, China)
ORCID (Department of Civil and Environmental Engineering, The Hong Kong University of Science and Technology, Clear Water Bay, Kowloon, HKSAR, China)
Medium: Fachartikel
Sprache(n): Englisch
Veröffentlicht in: Structural Health Monitoring, , n. 5, v. 22
Seite(n): 147592172211503
DOI: 10.1177/14759217221150376
Structurae kann Ihnen derzeit diese Veröffentlichung nicht im Volltext zur Verfügung stellen. Der Volltext ist beim Verlag erhältlich über die DOI: 10.1177/14759217221150376.
  • Über diese
    Datenseite
  • Reference-ID
    10714754
  • Veröffentlicht am:
    21.03.2023
  • Geändert am:
    01.09.2023
 
Structurae kooperiert mit
International Association for Bridge and Structural Engineering (IABSE)
e-mosty Magazine
e-BrIM Magazine