Zobrazeno 1 - 10
of 96
pro vyhledávání: '"Shan, Yongwei"'
CrackMamba, a Mamba-based model, is designed for efficient and accurate crack segmentation for monitoring the structural health of infrastructure. Traditional Convolutional Neural Network (CNN) models struggle with limited receptive fields, and while
Externí odkaz:
http://arxiv.org/abs/2410.19894
The coexistence of multiple defect categories as well as the substantial class imbalance problem significantly impair the detection of sewer pipeline defects. To solve this problem, a multi-label pipe defect recognition method is proposed based on ma
Externí odkaz:
http://arxiv.org/abs/2408.00489
Autor:
King Lewis, Amy1 (AUTHOR) amyking.lewis@okstate.edu, Shan, Yongwei2 (AUTHOR) yongwei.shan@okstate.edu
Publikováno v:
Journal of Construction Engineering & Management. Jul2024, Vol. 150 Issue 7, p1-12. 12p.
Identification of Best Practices in Project Bundling for State DOTs Using Semistructured Interviews.
Autor:
Shrestha, Saurav1 (AUTHOR) saurav.shrestha@okstate.edu, Shan, Yongwei2 (AUTHOR) yongwei.shan@okstate.edu, Goodrum, Paul M.3 (AUTHOR) paul.goodrum@colostate.edu
Publikováno v:
Journal of Construction Engineering & Management. Jul2024, Vol. 150 Issue 7, p1-16. 16p.
Publikováno v:
Journal of Computing in Civil Engineering; Jan2025, Vol. 39 Issue 1, p1-15, 15p
Publikováno v:
In Automation in Construction October 2020 118
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
In Automation in Construction May 2019 101:99-110
Publikováno v:
Engineering, Construction and Architectural Management, 2019, Vol. 26, Issue 3, pp. 367-385.
Externí odkaz:
http://www.emeraldinsight.com/doi/10.1108/ECAM-02-2018-0045
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.