RESEARCH ON EVALUATE CRACKS IN ROAD PAVEMENT USING DRIVE RECORDER FOOTAGE BY DEEP LEARNING

2021 ◽  
Vol 77 (2) ◽  
pp. I_67-I_76
Author(s):  
Ryuichi IMAI ◽  
Kenji NAKAMURA ◽  
Yoshinori TSUKADA ◽  
Daigo ITO ◽  
Norihiko KURIHARA
Keyword(s):  
Deep Learning ◽  
Road Pavement

Deep learning-based underground object detection for urban road pavement

2018 ◽  
Vol 21 (13) ◽  
pp. 1638-1650 ◽  
Author(s):  
Namgyu Kim ◽  
Kideok Kim ◽  
Yun-Kyu An ◽  
Hyun-Jong Lee ◽  
Jong-Jae Lee
Keyword(s):  
Deep Learning ◽  
Object Detection ◽  
Urban Road ◽  
Road Pavement

Hourly road pavement surface temperature forecasting using deep learning models

2021 ◽  
Vol 603 ◽  
pp. 126877
Author(s):  
Sepideh Emami Tabrizi ◽  
Kai Xiao ◽  
Jesse Van Griensven Thé ◽  
Muhammad Saad ◽  
Hani Farghaly ◽  
...  
Keyword(s):  
Deep Learning ◽  
Surface Temperature ◽  
Learning Models ◽  
Pavement Surface ◽  
Road Pavement ◽  
Temperature Forecasting

Deep Learning

2009 ◽  
Author(s):  
Stellan Ohlsson
Keyword(s):  
Deep Learning

Intelligence artificielle : le futur de l’Orthodontie ?

2019 ◽  
Vol 53 (3) ◽  
pp. 281-294
Author(s):  
Jean-Michel Foucart ◽  
Augustin Chavanne ◽  
Jérôme Bourriau
Keyword(s):  
Big Data ◽  
Deep Learning ◽  
Intelligence Artificielle ◽  
Set Up

Nombreux sont les apports envisagés de l’Intelligence Artificielle (IA) en médecine. En orthodontie, plusieurs solutions automatisées sont disponibles depuis quelques années en imagerie par rayons X (analyse céphalométrique automatisée, analyse automatisée des voies aériennes) ou depuis quelques mois (analyse automatique des modèles numériques, set-up automatisé; CS Model +, Carestream Dental™). L’objectif de cette étude, en deux parties, est d’évaluer la fiabilité de l’analyse automatisée des modèles tant au niveau de leur numérisation que de leur segmentation. La comparaison des résultats d’analyse des modèles obtenus automatiquement et par l’intermédiaire de plusieurs orthodontistes démontre la fiabilité de l’analyse automatique; l’erreur de mesure oscillant, in fine, entre 0,08 et 1,04 mm, ce qui est non significatif et comparable avec les erreurs de mesures inter-observateurs rapportées dans la littérature. Ces résultats ouvrent ainsi de nouvelles perspectives quand à l’apport de l’IA en Orthodontie qui, basée sur le deep learning et le big data, devrait permettre, à moyen terme, d’évoluer vers une orthodontie plus préventive et plus prédictive.

Vollautomatische Quantifizierung der Volumina und Funktion des linken Ventrikels in der kardialen MRT: Evaluation eines Deep-Learning basierten Algorithmus

2020 ◽  
Author(s):  
B Böttcher ◽  
E Beller ◽  
A Busse ◽  
F Streckenbach ◽  
M Weber ◽  
...  
Keyword(s):  
Deep Learning

Primäre ZNS-Lymphome: Vollautomatisierte Detektion und Segmentierung auf multiparametrischen MRT-Datensätzen mittels Deep-Learning

2020 ◽  
Author(s):  
L Pennig ◽  
L Lourenco Caldeira ◽  
C Hoyer ◽  
L Görtz ◽  
R Shahzad ◽  
...  
Keyword(s):  
Deep Learning

Computertomografie: Bildrekonstruktion mit Deep Learning in der klinischen Routine

2020 ◽  
Author(s):  
A Heinrich ◽  
M Engler ◽  
D Dachoua ◽  
U Teichgräber ◽  
F Güttler
Keyword(s):  
Deep Learning
Sign in / Sign up

Export Citation Format

Share Document