地质与灾害 | 浏览量 : 0 下载量: 579 CSCD: 0

  • 导出

  • 分享

  • 收藏

  • 专辑

    • 3D点云震害建筑物深度学习样本增强方法

    • 暂无标题

    • “在震后复杂场景下，专家利用3D点云深度学习方法，实现了建筑物震害自动化智能化识别，为应急救援提供解决方案。”
    • 2023年27卷第8期 页码：1876-1887   

      收稿日期：2021-01-21，

      纸质出版日期：2023-08-07

    • DOI： 10.11834/jrs.20211009     

    移动端阅览

  • 崔驿宁，窦爱霞，杨慎宁.2023.3D点云震害建筑物深度学习样本增强方法.遥感学报，27（8）： 1876-1887 DOI： 10.11834/jrs.20211009.
    Cui Y N，Dou A X and Yang S N. 2023. Deep learning sample enhancement method for 3D point cloud seismic damaged buildings. National Remote Sensing Bulletin， 27（8）：1876-1887 DOI： 10.11834/jrs.20211009.
  •  
  •  
文章被引用时，请邮件提醒。
提交

相关文章

相关作者

崔驿宁
窦爱霞
杨慎宁
徐逸 深圳大学 土木与交通工程学院;深圳大学 自然资源部大湾区地理环境监测重点实验室&广东省城市空间信息工程重点实验室;特温特大学 地理信息科学与地球观测学院
甄佳宁 深圳大学 自然资源部大湾区地理环境监测重点实验室&广东省城市空间信息工程重点实验室;深圳大学 生命与海洋科学学院
蒋侠朋 深圳大学 自然资源部大湾区地理环境监测重点实验室&广东省城市空间信息工程重点实验室
王俊杰 深圳大学 自然资源部大湾区地理环境监测重点实验室&广东省城市空间信息工程重点实验室;深圳大学 生命与海洋科学学院
郭祺钰

相关机构

深圳大学 土木与交通工程学院
特温特大学 地理信息科学与地球观测学院
深圳大学 生命与海洋科学学院
深圳大学 自然资源部大湾区地理环境监测重点实验室&广东省城市空间信息工程重点实验室
上海大学 通信与信息工程学院
0