您当前的位置：
首页 >
文章列表页 >
面向稀疏前景与复杂背景的隧道裂缝图像分割方法
电子与电子信息 | 更新时间：2026-11-11

    • 面向稀疏前景与复杂背景的隧道裂缝图像分割方法

    • A Precise Tunnel Crack Image Segmentation Method for Sparse Foreground and Complex Background

    • 中北大学学报(自然科学版)   2026年47卷第5期 页码：749-761

    • DOI：10.62756/jnuc.issn.1673-3193.2026.04.0002    

      中图分类号： TP391.41;U456.3

    • 收稿：2026-04-08，

      纸质出版：2026-10-31

    移动端阅览

  • 赵凯艺， 赵银燕， 秦品乐， 等. 面向稀疏前景与复杂背景的隧道裂缝图像分割方法［J］. 中北大学学报（自然科学版）， 2026， 47（5）： 749-761. DOI： 10.62756/jnuc.issn.1673-3193.2026.04.0002.

    Zhao Kaiyi， Zhao Yinyan， Qin Pinle， et al. A precise tunnel crack image segmentation method for sparse foreground and complex background［J］. Journal of North University of China（Natural Science Edition）， 2026， 47（5）： 749-761. DOI： 10.62756/jnuc.issn.1673-3193.2026.04.0002.

  •  
  •  

0

浏览量

4

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于深度学习重构的微型膛压测试系统研究
基于改进Faster R⁃CNN的小样本目标检测算法
基于轻量级YOLO网络与注意力机制的车道线检测方法
基于物理先验引导的记忆增强视频去雾算法
基于类激活映射的红外与可见光图像融合方法

相关作者

李兴民
孙传猛
付江豪
谢泽辉
裴东兴
王宇
李京
王子怡

相关机构

中北大学 电气与控制工程学院
中北大学 极限环境光电动态测试技术与仪器全国重点实验室
中北大学 机电工程学院
中北大学 山西省视觉信息处理及智能机器人工程研究中心
中北大学 机器视觉与虚拟现实山西省重点实验室
0