Jove
Visualize
Contáctanos

Videos de Conceptos Relacionados

Mechanical Characteristics of Steel01:18

Mechanical Characteristics of Steel

939
The mechanical characteristics of steel are assessed through various tests that evaluate its strength, toughness, and flexibility. These tests include tension, torsion, impact, bending, and hardness assessments, each providing crucial information about steel's suitability for specific applications.
The tension test is fundamental for determining tensile strength. In this test, a steel specimen is stretched using a gripping device until it breaks. The data collected during this test are used...
939

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

<i>Wearanize+</i>: a multimodal dataset for evaluating wearable technologies in sleep research.

Sleep advances : a journal of the Sleep Research Society·2026
Same author

A Pneumonia Diagnosis Scheme Based on Hybrid Features Extracted from Chest Radiographs Using an Ensemble Learning Algorithm.

Journal of healthcare engineering·2021
Same author

<b>A Machine Learning Approach to Diagnosing Lung and Colon Cancer Using a Deep Learning-Based Classification Framework</b>.

Sensors (Basel, Switzerland)·2021
Same author

A Novel Method to Identify Pneumonia through Analyzing Chest Radiographs Employing a Multichannel Convolutional Neural Network.

Sensors (Basel, Switzerland)·2020
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Video Experimental Relacionado

Updated: May 3, 2026

Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns
13:44

Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns

Published on: August 30, 2013

43.5K

Red Neuronal Prototípica Basada en Mean Shift para el Reconocimiento de Anomalías en Superficies de Acero

Canan Tastimur1

  • 1Computer Engineering, Erzincan Binali Yildirim University, Erzincan, Turkey. ctastimur@erzincan.edu.tr.

Scientific reports
|December 30, 2025
PubMed
Resumen

Una nueva Red Neuronal Prototípica Basada en Mean Shift (MSPro-Net) mejora significativamente la clasificación de defectos en superficies de acero. Este método aumenta la precisión, especialmente en escenarios de aprendizaje de pocas muestras, superando a los enfoques clásicos.

Sus antecedentes:

  • Los defectos superficiales en láminas de acero laminadas en caliente impactan críticamente la calidad del producto y la aceptación en el mercado.
Palabras clave:
Redes neuronales prototípicasAprendizaje de pocas muestrasReconocimiento de defectosSuperficies de aceroClasificación de imágenesVisión por computadoraMean shiftMinería de datos

Más Videos Relacionados

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

987
Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
08:27

Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines

Published on: January 5, 2024

1.6K

Videos de Experimentos Relacionados

Last Updated: May 3, 2026

Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns
13:44

Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns

Published on: August 30, 2013

43.5K
Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

987
Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
08:27

Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines

Published on: January 5, 2024

1.6K
  • La detección temprana de estos defectos es esencial para una producción de acero eficiente.

    • Conclusiones:

    • MSPro-Net ofrece un cálculo de prototipos de clase más representativo, lo que conduce a mejoras sustanciales en la detección de defectos en superficies de acero.
    • El método propuesto se destaca en el aprendizaje de pocas muestras, proporcionando una herramienta poderosa para la identificación temprana de defectos en la fabricación.