guest ::
Uncertainty-aware point cloud segmentation for infrastructure projects using Bayesian deep learning
; ;
In
Automation in construction 164, Seiten/Artikel-Nr.:105419
2024
Online
DOI: 10.18154/RWTH-2024-06102
DOI: 10.1016/j.autcon.2024.105419
URL: https://publications.rwth-aachen.de/record/988236/files/988236.pdf
Einrichtungen
Projekte
- OAPKF - Open-Access-Publikation mit Unterstützung der RWTH Aachen University (021000-OAPKF) (021000-OAPKF)
- DFG project G:(GEPRIS)501834640 - Semantische Segmentierung von Laserscanningpunktwolken zur digitalen Bauwerks-modellierung mittels Bayesschen Neuronalen Netzen zur Unsicherheitsquantifizierung (PointSemSeg+) (501834640) (501834640)
- DFG project G:(GEPRIS)461030501 - SPP 2388: Hundert plus - Verlängerung der Lebensdauer komplexer Baustrukturen durch intelligente Digitalisierung (461030501) (461030501)
Thematische Einordnung (Klassifikation)
DDC: 690
OpenAccess: 
PDF
Dokumenttyp
Journal Article
Format
online
Sprache
English
Anmerkung
Peer reviewed article
Externe Identnummern
SCOPUS: SCOPUS:2-s2.0-85192261734
WOS Core Collection: WOS:001240285600001
Interne Identnummern
RWTH-2024-06102
Datensatz-ID: 988236
Beteiligte Länder
Germany
; 
; 
; Clarivate Analytics Master Journal List ; Current Contents - Engineering, Computing and Technology ; Ebsco Academic Search ; Essential Science Indicators ; IF >= 10 ; JCR ; SCOPUS ; Science Citation Index Expanded ; Web of Science Core Collection
|
The record appears in these collections: |
| Typ | Amount | VAT | Currency | Share | Status | Cost centre |
| Other | 100.00 | 7.00 | EUR | 4.22 % | (DEAL) | 021000-316210 |
| Hybrid-OA | 2270.80 | 158.96 | EUR | 95.78 % | (DEAL) | 021000-316210 |
| Sum | 2370.80 | 165.96 | EUR | |||
| Total | 2536.76 |
PDF