本研究提出了一种新框架，通过高分辨率图像结合特征金字塔网络（FPN）和切分图像的方法，提高钢箱梁裂纹检测的准确性和效率。

本研究提出了遥感影像变化检测的新方法，采用多种深度学习模型，如双时相变化检测、生成对抗网络和轻量级裂纹检测网络，均在多个数据集上表现优异，推动了遥感技术的发展。

本文探讨了混凝土基础设施中裂纹检测的重要性，提出了一种基于分形的裂纹图形模拟器和完全标注的裂纹数据集。研究结合领域知识与深度学习，表明在少量数据下也能实现优异性能，适用于工业应用。

本文提出了一种基于深度学习的道路龟裂检测算法，结合深度卷积神经网络和自适应图像分割技术，能够高效准确地识别道路裂缝。研究使用了14000个样本的数据集，发现ResNet和VGG16模型的检测精度最高可达98%。此外，提出了边界引导裂纹分割模型和基于分形的裂纹图形模拟器，以提高裂纹检测的准确性和适应性。