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
76 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