Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Global Descriptors of Convolution Neural Networks for Remote Scene Images Classification Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Combined with DCT, SPIHT and ResNet to Identify Ancient Building Cracks from Aerial Remote Sensing Images

verfasst von : Tiantian Tang, Bingcai Chen, Ruiheng Hu

Erschienen in: Artificial Intelligence in China

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In order to study the crack detection of ancient buildings in aerial remote sensing images, this paper proposes to preprocess remote sensing images by combining block DCT transform with SPIHT algorithm terminating at the threshold to retain the target information to the maximum extent and reduce the number of processed images. Then, ResNet model is used to detect the cracks in ancient buildings.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Intelligent Exhaust System of Cross-Linked Workshop
Nächstes Kapitel Design and Construction of Intelligent Voice Control System
Literatur
1.
Zhang J, Xu G (2015) Application of remote sensing image compression algorithm based on DCT. Avionics Technology
2.
Qu H, Nie H (2018) Image compression algorithm based on SPIHT. Information and Computers Theory. 2018(07)
3.
Progress in the study of convolutional neural networks (2018) J Hebei Univ (Natural Science Edition)
4.
Huang W, Tang Y (2015) Actual combat of Tensor Flow. Beijing Electronic Industry Press. 05
5.
He K (2015) Deep residual learning for image recognition
Metadaten
Titel
Combined with DCT, SPIHT and ResNet to Identify Ancient Building Cracks from Aerial Remote Sensing Images
verfasst von
Tiantian Tang
Bingcai Chen
Ruiheng Hu
Copyright-Jahr
2020
Verlag
Springer Singapore
Buch
Artificial Intelligence in China

Print ISBN: 978-981-15-0186-9

Electronic ISBN: 978-981-15-0187-6

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-981-15-0187-6_36

Neuer Inhalt

    Bildnachweise