书目信息 |
| 题名： |
基于深度学习的裂缝病害图像检测与识别技术
|
|
| 作者： | 张志华 著 | |
| 分册： | ||
| 出版信息： | 北京 科学出版社 2023.08 |
|
| 页数： | 132页 | |
| 开本： | 24cm | |
| 丛书名： | ||
| 单 册： | ||
| 中图分类： | U418.6-39 | |
| 科图分类： | ||
| 主题词： | 路面--lu mian--裂缝--图象处理--目标检测 | |
| 电子资源： | ||
| ISBN： | 978-7-03-075944-3 | |
| 000 | 01081nam0 2200241 450 | |
| 001 | 2437339730 | |
| 010 | @a978-7-03-075944-3@dCNY98.00 | |
| 100 | @a20230904d2023 em y0chiy0120 ea | |
| 101 | 0 | @achi |
| 102 | @aCN@b110000 | |
| 105 | @aak a 000yy | |
| 106 | @ar | |
| 200 | 1 | @a基于深度学习的裂缝病害图像检测与识别技术@Aji yu shen du xue xi de lie feng bing hai tu xiang jian ce yu shi bie ji shu@f张志华著 |
| 210 | @a北京@c科学出版社@d2023.08 | |
| 215 | @a132页@c图@d24cm | |
| 320 | @a有书目 (第123-132页) | |
| 330 | @a本书系统总结国内外路面裂缝病害自动识别和提取的相关成果, 详细介绍深度学习的相关理论, 构建改进残差网络与注意力机制的语义分割网络, 结合双注意力机制的语义分割网络, 基于高分辨率模型的裂缝病害图像分类和分割网络, 以及基于可变形单步多框目标检测的裂缝检测模型, 对裂缝病害图像进行分类与分割提取,大幅提升了裂缝的分类与识别精度, 丰富了深度学习中的网络模型。 | |
| 586 | @a | |
| 606 | 0 | @a路面@Alu mian@x裂缝@x图象处理@x目标检测 |
| 690 | @aU418.6-39@v5 | |
| 701 | 0 | @a张志华@Azhang zhi hua@4著 |
| 801 | 0 | @aCN@c20230904 |
| 905 | @dU418.6@eZ252@f1@sU418.6/Z252@S@Z | |
| 基于深度学习的裂缝病害图像检测与识别技术/张志华著.-北京：科学出版社，2023.08 |
| 132页：图；24cm |
| ISBN 978-7-03-075944-3：CNY98.00 |
| 本书系统总结国内外路面裂缝病害自动识别和提取的相关成果, 详细介绍深度学习的相关理论, 构建改进残差网络与注意力机制的语义分割网络, 结合双注意力机制的语义分割网络, 基于高分辨率模型的裂缝病害图像分类和分割网络, 以及基于可变形单步多框目标检测的裂缝检测模型, 对裂缝病害图像进行分类与分割提取,大幅提升了裂缝的分类与识别精度, 丰富了深度学习中的网络模型。 |
| ● |
| 相关链接 |
|
|
|
正题名：基于深度学习的裂缝病害图像检测与识别技术
索取号：U418.6/Z252
预约/预借
| 序号 | 登录号 | 条形码 | 馆藏地/架位号 | 状态 | 备注 |
| 1 | 21613011 | 216130112 | 自科库501/501自科库 53排6列5层/ [索取号:U418.6/Z252] | 在馆 |