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

Publicité

La bibliographie suivante contient toutes les publications répertoriées dans la base de données qui sont reliées à ce nom en tant qu'auteur, éditeur ou collaborateur.

  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. Dans: Computer-Aided Civil and Infrastructure Engineering, v. 38, n. 15 (avril 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. Dans: Construction and Building Materials, v. 371 (mars 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. Dans: Construction and Building Materials, v. 359 (décembre 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. Dans: Tunnelling and Underground Space Technology, v. 124 (juin 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. Dans: Construction and Building Materials, v. 325 (mars 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. Dans: Automation in Construction, v. 106 (octobre 2019).

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

Rechercher une publication...

Disponible seulement avec
Mon Structurae

Texte intégral
Structurae coopère avec
International Association for Bridge and Structural Engineering (IABSE)
e-mosty Magazine
e-BrIM Magazine