Monitoraggio dello stato del manto stradale usando tecniche di deep learning

Contributo in Atti di convegno

Data di Pubblicazione:

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.

Tipologia CRIS:

04.01 Contributo in Atti di convegno

Keywords:

N/A

Elenco autori: