.png){kind=icon}
返回
Deep learning-based displacement identification and quantification for structures with surface features loss
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ymssp.2025.112976.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 通过深度学习实现精确位移测量，即使存在特征损失。
• 基于YOLOv8n和梯度相关性的新型非接触式位移测量方法。
• 通过实验室实验验证了可行性。
• 在室外测试中，该方法在光照变化、雾气和高度遮挡条件下表现出鲁棒性。
• 对于结构健康监测和工程应用具有良好前景。
期刊
IF:
8.9
论文数:
1.3W
被引数:
6.6W
机构
暂无机构信息
引用论文
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测
OAAI
OAAI分享收藏Target-free measurement of cable forces based on computer vision and equivalent frequency difference
PREAI
分享收藏Continuous bridge displacement estimation using millimeter-wave radar, strain gauge and accelerometer使用毫米波雷达，应变仪和加速度计的连续桥梁位移估计
PREAI
分享收藏A computer vision-based vibration measurement method for wind tunnel tests of high-rise buildings
PREAI
分享收藏Dynamic image segmentation and recognition measurement of axial compression experiment based on image clustering and semantic segmentation in RC column with FRP tubes基于图像聚类和语义分割的frp管RC柱轴压试验动态图像分割与识别测量.png)
MEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏Vision-based structural scaling factor and flexibility identification through mobile impact testing
PREAI
分享收藏
查看更多内容