مشخصات کتاب

Deep Learning for Crack-Like Object Detection

ویرایش:  
نویسندگان: Kaige Zhang. Heng-Da Cheng  
سری:  
ISBN (شابک) : 9781032181189, 9781003252948 
ناشر: CRC Press 
سال نشر: 2023 
تعداد صفحات: 107 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 38 Mb 

در صورت تبدیل فایل کتاب Deep Learning for Crack-Like Object Detection به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب یادگیری عمیق برای تشخیص اشیاء مانند ترک نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب یادگیری عمیق برای تشخیص اشیاء مانند ترک

تشخیص اشیاء ترک مانند مبتنی بر دید کامپیوتری کاربردهای مفید بسیاری دارد، مانند بازرسی/نظارت سطح روسازی، خط لوله زیرزمینی، ترک‌های پل، خطوط راه‌آهن و غیره. اغلب در پس زمینه پیچیده و بافت دار با تنوع بالا دفن می شوند که تشخیص ترک را بسیار چالش برانگیز می کند. در طی چند سال گذشته، تکنیک یادگیری عمیق به موفقیت زیادی دست یافته است و برای حل انواع مشکلات تشخیص اشیا مورد استفاده قرار گرفته است.\r\n\r\nاین کتاب به طور جامع مشکل تشخیص شی مانند ترک را مورد بحث قرار می دهد. با بحث در مورد رویکردهای سنتی پردازش تصویر برای حل این مشکل شروع می‌شود و سپس روش‌های مبتنی بر یادگیری عمیق را معرفی می‌کند. این بررسی مفصلی از مشکلات تشخیص اشیا ارائه می دهد و بر چالش برانگیزترین مشکل، تشخیص اشیاء مانند ترک، تمرکز می کند تا عمیقاً در روش یادگیری عمیق کاوش کند. این شامل نمونه هایی از مشکلات دنیای واقعی است که به راحتی قابل درک است و می تواند یک آموزش خوب برای معرفی بینایی کامپیوتر و یادگیری ماشین باشد.\r\n\r\nبسیاری از کتاب ها بینایی کامپیوتر و یادگیری ماشین را از جنبه تئوری، الگوریتم و کاربردهای آن با چند مثال ساده که از مهندسی عملی دور هستند، بحث می کنند. نویسنده بیش از 10 سال روی تحقیقات بینایی کامپیوتری، تشخیص الگو و پردازش تصویر کار کرد و رهبر گروه،\r\nکه دومین نویسنده کتاب نیز هست، در 30 سال گذشته بر ساخت یک محصول بازرسی سطح روسازی صنعتی با فناوری بینایی کامپیوتری تمرکز کرده است. با این حال، تا سال 2015، هنوز مشکلات سختی در تشخیص ترک روسازی وجود داشت که به دلیل پیچیدگی و تنوع شرایط مختلف سطح روسازی، با استفاده از روش پردازش تصویر سنتی به خوبی حل نشدند. از سال 2015، این گروه بر روی پرداختن به این موضوع با یادگیری عمیق متمرکز شد و به زودی در سال 2018، پیشرفت زیادی حاصل شد و یک روش کارآمد ابداع شد و بر روی داده های در مقیاس بزرگ آزمایش شد. برای صنعت قابل استفاده است.\r\n\r\nاین کتاب یادگیری عمیق و کاربردهای آن را بر اساس یک مسئله مهندسی عملی مورد بحث قرار می دهد: تشخیص اشیاء مانند ترک. مزیت این است که ما آزمایش ها و آزمایش های زیادی را در عمل انجام دادیم و تجربیات مهندسی با ارزش زیادی را به دست آوردیم که در یک کتاب درسی معمولی یافت نمی شود. ما پنج مشکل کلاسیک در تشخیص ترک را انتخاب کردیم که دانش لازم برای یک مبتدی را پوشش می دهد تا به سرعت با یادگیری عمیق و نحوه استفاده از آن در Computer Vision آشنا شود. موضوعات اصلی تحقیق شامل طبقه بندی تصویر، یادگیری انتقال، یادگیری با نظارت ضعیف، شبکه های متخاصم مولد، شبکه کاملاً کانولوشن، تطبیق دامنه، محاسبات لبه عمیق و غیره است.

توضیحاتی درمورد کتاب به خارجی

Computer vision-based crack-like object detection has many useful applications, such as inspecting/monitoring pavement surface, underground pipeline, bridge cracks, railway tracks etc. However, in most contexts, cracks appear as thin, irregular long-narrow objects, and often are buried in complex, textured background with high diversity which make the crack detection very challenging. During the past a few years, deep learning technique has achieved great success and has been utilized for solving a variety of object detection problems. This book discusses crack-like object detection problem comprehensively. It starts by discussing traditional image processing approaches for solving this problem, and then introduces deep learning-based methods. It provides a detailed review of object detection problems and focuses on the most challenging problem, crack-like object detection, to dig deep into the Deep Learning method. It includes examples of real-world problems, which are easy to understand and could be a good tutorial for introducing Computer Vision and Machine Learning. Many books discuss Computer Vision and Machine Learning from the aspect of theory, algorithm and its applications with some simple examples that are far from practical engineering. The author worked on Computer Vision, pattern recognition, and image processing research over 10 years and the group leader, who is also the second author of the book, focused on making an industrial pavement surface inspection product with computer vision technology during the past 30 years. However, until 2015, there were still some tough problems in pavement crack detection that were not well solved using traditional image processing approach due to the complexity and diversity of different pavement surface conditions. Since 2015, the group focused on addressing the issue with deep learning, and soon in 2018, great progress was made and an efficient method was invented and tested on large-scale data. It is applicable to industry. This book discusses Deep Learning and its applications based on a practical engineering problem: crack-like object detection. The advantage is that we conducted many tests and trials in practice and obtained many valuable engineering experiences, which cannot be found in a regular text-book. We selected five classic problems in crack detection that cover the knowledge necessary for a beginner to quickly become familiar with Deep Learning and how it is used in Computer Vision. The main research topics include image classification, transfer learning, weakly supervised learning, generative adversarial networks, fully convolutional network, domain adaptation, deep edge computing, etc.

فهرست مطالب

Cover
Title Page
Copyright Page
Preface
Table of Contents
1. Introduction
2. Crack Detection with Deep Classification Network
3. Crack Detection with Fully Convolutional Network
4. Crack Detection with Generative Adversarial Learning
5. Self-Supervised Structure Learning for Crack Detection
6. Deep Edge Computing
7. Conclusion and Discussion
References
Index

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Research in Computational Molecular Biology: 11th Annual International Conference, RECOMB 2007, Oakland, CA, USA, April 21-25, 2007. Proceedings

دانلود کتاب Dutch in 3 Months (with Audio)

دانلود کتاب Osteopathien

دانلود کتاب Epistemology of Experimental Physics

دانلود کتاب The Ethically Responsible Engineer : Concepts and Cases for Students and Professionals