درحال بارگذاري...
جستجو
| ایمیل دوست | |
| نام شما | |
| ایمیل شما | |
| کد مقابل را وارد نمایید | |
این صفحه برای دوست شما با موفقیت ارسال شد.
فهرست محتوای دیجیتالی
فهرست مطالب
فهرست نقدها
0 مرتبه مشاهده شده
بازرسی چشمی مبتنی بر بینایی ماشین سازه های بنایی به وسیله پردازش تصاویر ثابت
قربانیان، محمد جواد Ghorbanian, Mohammad Javad
- شماره پایان نامه:54170
- کد دانشکده:09
- پديدآور: قربانیان، محمد جواد
- عنوان:بازرسی چشمی مبتنی بر بینایی ماشین سازه های بنایی به وسیله پردازش تصاویر ثابت.
- نام دانشگاه/پژوهشگاه:صنعتی شریف
- سال اخذ مدرك:1400.
- نام دانشکده:مهندسی عمران
- مقطع:کارشناسی ارشد
- گرایش:زلزله
- توصیف ظاهری:97ص.: جدول، نمودار، کتابنامه؛ چکیده به فارسی و انگلیسی
- توصیفگر: شبکه عصبی پیچشی Convolutional Neural Network
- توصیفگر: تشخیص ترک Crack Detection
- توصیفگر: شناسایی خودکار Automatic Identification
- توصیفگر: ساختمان های آجری Masonry Buildings
- توصیفگر: بازرسی چشمی Visual Inspection
- توصیفگر: بینایی ماشین Machine Vision
- توصیفگر: یادگیری عمیق Deep Learning
- استاد راهنما. رﺣﯿﻢ زاده روﻓﻮیی، ﻓﯿﺎض
- استاد مشاور. ﻣﻬﺪوی، ﺣﺴﯿﻦ
-
محتواي کتاب
- مشاهده
- چکیده
- فهرست مطالب
- فهرست شکل‌ها
- فهرست جداول
- فصل 1: مقدمه و کلیات
- 1-1 مقدمه
- 1-2 اهمیت و ضرورت تحقیق
- 1-3 اهداف تحقیق
- 1-4 روش انجام پروژه
- 1-5 ساختار پایان نامه
- 2 فصل2: مرور ادبیات فنی
- 2-1 مقدمه
- 2-2 روش های مبتنی بر پردازش تصاویر
- 2-3 روش های مبتنی بر یادگیری عمیق
- 2-3-1 شناسایی ترک به وسیله دسته بندی تصاویر
- 2-3-2 شناسایی ترک در مقیاس پیکسل
- 2-4 شناسایی ترک در سازه های بنایی
- 3 فصل3: روش انجام پژوهش
- 3-1 مقدمه
- 3-2 مجموعه داده
- 3-3 مشخصات سازه
- 3-4 روش انجام پژوهش
- 3-5 شبکه عصبی کانولوشن
- 3-5-1 لایه کانولوشن
- 3-5-1-1 پارامترهای اشتراکی
- 3-5-1-2 اتصال محلی
- 3-5-2 تابع تحریک
- 3-5-2-1 تابع سیگموید
- 3-5-2-2 تابع رِلو
- 3-5-2-3 تابع سافتمکس
- 3-5-3 لایه ادغام
- 3-5-4 لایه کاملا متصل
- 3-5-5 آموزش شبکه
- 3-5-5-1 توابع زیان
- 3-5-5-2 بهینه سازی
- 3-5-6 معیارهای بررسی عملکرد شبکه
- 3-5-7 یادگیری ویژگی ها
- 3-5-1 لایه کانولوشن
- 3-6 شبکه عصبی کانولوشن برای دسته بندی تصاویر ترک دار
- 3-6-1 شبکه عصبی افیشِنت نت
- 3-6-2 تنظیمات یادگیری
- 3-7 شبکه عصبی کانولوشن برای بخش بندی ترک
- 3-7-1 شبکه یونِت
- 3-7-2 تنظیمات یادگیری
- 4 فصل 4: ارزیابی کارایی و نتایج
- 4-1 دسته بندی تصاویر ترک دار
- 4-2 شناسایی ترک به وسیله بخش بندی معنایی تصاویر
- 5 فصل 5: نتیجه گیری و پیشنهادات
- 5-1 جمع بندی مطالب
- 5-2 پیشنهادات
- 6 منابع