Key points are not available for this paper at this time.
الملخص تعتبر بيانات تدفق المياه غالبًا المدخل الأكثر أهمية للبحوث الهيدرولوجية والهيدروليكية، والنمذجة، ودراسات التصميم. تعتبر قياسات تدفق المياه باستخدام تقنية الاستشعار عن بُعد غير التلامسي مثل قياسات السرعة التصويرية تقنية جديدة لا تزال بعيدة عن النضج. تستخدم معظم التقنيات الحالية المعتمدة على الصور لقياسات سرعة السطح approaches تعتمد على الارتباط، مما يتطلب إدخال بيانات من المستخدم لتشغيل الخوارزميات. يمكن أن يؤدي هذا الإدخال إلى تحيز النتائج إذا كان المشغل غير متمرس. الهدف الرئيسي من هذه الدراسة هو تطوير نظام قياس سرعة الأنهار دقيق وسريع يُسمى RivQNet لا يتطلب إدخال بيانات ذات طابع شخصي. يعالج RivQNet صور سطح الماء عن بُعد غير التلامسي باستخدام تقنيات الذكاء الاصطناعي. الخوارزمية هي تقدير تدفق بصري باستخدام التعلم العميق بتصميم شبكة عصبية ذات تلافيف متاحة مفضلة (أي، تصميم FlowNet). في هذه الدراسة، يتم التحقق من الطريقة المعروضة مع طرق القياس القياسية الشائعة ومقارنتها مع المنهجيات التقليدية لتدفق الضوء. تشير النتائج إلى أن الطريقة المعروضة تحقق توزيعات مكانية دقيقة وكثيفة لسرعات السطح.
درس أنصاري وآخرون (السبت) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: