Questo documento riassume il contributo IMATI allo sviluppo di metodi per il riconoscimento di ammaloramenti del manto stradale, quali buche, crepe, cedimenti attraverso tecniche di deep learning. Tali contributi sono stati sviluppati nel progetto MISE 5G Genova.
Monitoraggio dello stato del manto stradale usando tecniche di deep learning
Andrea Ranieri;Silvia Biasotti;Elia Moscoso Thompson;Michela Spagnuolo
2022
Abstract
Questo documento riassume il contributo IMATI allo sviluppo di metodi per il riconoscimento di ammaloramenti del manto stradale, quali buche, crepe, cedimenti attraverso tecniche di deep learning. Tali contributi sono stati sviluppati nel progetto MISE 5G Genova.File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
prod_466671-doc_183526.pdf
solo utenti autorizzati
Descrizione: Monitoraggio dello stato del manto stradale usando tecniche di deep learning
Tipologia:
Versione Editoriale (PDF)
Dimensione
3.97 MB
Formato
Adobe PDF
|
3.97 MB | Adobe PDF | Visualizza/Apri Richiedi una copia |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
