图像分析和识别 | 浏览量 : 0 下载量: 672 CSCD: 0

  • 导出

  • 分享

  • 收藏

  • 专辑

    • 融合注意力及增强感受野的桥隧表面病害深度网络检测

    • Detecting the defects of bridge cables and tunnel lining via integrating attention and enhanced receptive field

    • “在桥梁缆索和隧道病害检测领域，专家提出了基于融合注意力及增强感受野的深度网络模型，有效提升了病害提取精度和抗干扰能力。”
    • 2025年30卷第2期 页码：467-484   

      收稿：2024-04-07，

      修回：2024-06-17，

      纸质出版：2025-02-16

    • DOI： 10.11834/jig.240191     

    移动端阅览

  • 黄志海， 罗海涛， 郭波. 2025. 融合注意力及增强感受野的桥隧表面病害深度网络检测. 中国图象图形学报， 30(02):0467-0484 DOI： 10.11834/jig.240191.
    Huang Zhihai， Luo Haitao， Guo Bo. 2025. Detecting the defects of bridge cables and tunnel lining via integrating attention and enhanced receptive field. Journal of Image and Graphics， 30(02):0467-0484 DOI： 10.11834/jig.240191.
  •  
  •  
文章被引用时，请邮件提醒。
提交

相关文章

相关作者

王炜嘉 福州大学计算机与大数据学院
陈飞 福州大学计算机与大数据学院
刘莞玲 福州大学计算机与大数据学院;天津大学智能与计算学部
程航 福州大学数学与统计学院
王美清 福州大学数学与统计学院
沈天舒 山东财经大学计算机与人工智能学院;山东省数字经济轻量智算与可视化重点实验室
迟静 山东财经大学计算机与人工智能学院;山东省数字经济轻量智算与可视化重点实验室
王雁冰 山东财经大学计算机与人工智能学院;山东省数字经济轻量智算与可视化重点实验室

相关机构

福州大学计算机与大数据学院
天津大学智能与计算学部
福州大学数学与统计学院
山东财经大学计算机与人工智能学院
山东省数字经济轻量智算与可视化重点实验室
0