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

Anzeige

Deep CNN-based semi-supervised learning approach for identifying and segmenting corrosion in hydraulic steel and water resources infrastructure

Autor(en): ORCID (University of Illinois Urbana-Champaign, Urbana, IL, USA)
(Construction Engineering Research Laboratory, Engineer Research and Development Center, Champaign, IL, USA)
(Construction Engineering Research Laboratory, Engineer Research and Development Center, Champaign, IL, USA)
ORCID (Construction Engineering Research Laboratory, Engineer Research and Development Center, Champaign, IL, USA)
(University of Illinois Urbana-Champaign, Urbana, IL, USA)
(Construction Engineering Research Laboratory, Engineer Research and Development Center, Champaign, IL, USA)
Medium: Fachartikel
Sprache(n): Englisch
Veröffentlicht in: Structural Health Monitoring
DOI: 10.1177/14759217241305039
Structurae kann Ihnen derzeit diese Veröffentlichung nicht im Volltext zur Verfügung stellen. Der Volltext ist beim Verlag erhältlich über die DOI: 10.1177/14759217241305039.
  • Über diese
    Datenseite
  • Reference-ID
    10816779
  • Veröffentlicht am:
    03.02.2025
  • Geändert am:
    03.02.2025
 
Structurae kooperiert mit
International Association for Bridge and Structural Engineering (IABSE)
e-mosty Magazine
e-BrIM Magazine