{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,8,10]]，“日期-时间”：“2024-08-10T23:40:27Z”，“时间戳”：172333227272}，“引用-计数”：26，“发布者”：“MDPI AG”，“问题”：“24”，“许可证”：[{“开始”：{/“日期-零件”：[2022,12,8]]2-12-08T00:00:00Z“，“时间戳”：1670457600000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“资助者”：[{“name”：“哈立德国王大学”，“奖项”：[“372\/43”]}，{“DOI”：“10.13039\/501000004242”，“name”:“努拉宾特·阿卜杜拉赫曼公主大学”，”DOI-asserted-by“：”publisher“，”奖项“：[”PNURSP2022R151“]，“id”：[{“id”：“10.13039\/501100004242”，“id-type”：“DOI”，“asserted-by”：“publisher”}]}，{“name”：“King Saud University”，“award”：[“RSP2022R444”]}]，“content-domain”：{“domain”:[]，“crossmark-restriction”：false}，“short-container-title”：[”遥感“]，“abstract”：“道路是重要的交通生命线，可能会被倒塌的树枝、滑坡碎石和建筑物碎片损坏。因此，利用高分辨率遥感图像（RSI）进行道路损坏检测和评估对于保持路线处于最佳状态和执行救援行动至关重要。通过高分辨率航空图像检测受损道路区域可以促进更快、有效的灾害管理和决策。有几种技术可用于预测和检测地震造成的道路损坏。最近，计算机视觉（CV）技术已成为道路损坏自动检测的最佳解决方案。本文提出了一种基于Elman神经网络的饥饿游戏搜索（RDD\u2013HGSENN）在高分辨率RSI上进行道路损坏检测的新方法。提出的RDD\u2013HGSENN技术主要旨在使用RSI确定道路损坏。在提出的RDD\u2013HGSENN技术中，将RetinaNet模型应用于道路损伤检测。此外，RDD\u2013HGSENN技术可以使用ENN模型进行道路损坏分类。为了自动调整ENN参数，本文采用了HGS算法。为了检验所提出的RDD\u2013HGSENN技术的增强效果，进行了一系列仿真。实验结果表明，RDD\u2013HGSENN技术相对于最近几种测量方法的性能有所提高<\/jats:p>“，”DOI“：”10.3390\/rs14246222“，”type“：”journal-article“，”created“：{”date-parts“：[2022,12,9]]，”date-time“：”2022-12-09T08:23:49Z“，”timestamp“：1670574229000}，”page“：“6222”，“source”：“Crossref”，“is-referenced-by-count”：7，“title”：[“使用Elman神经网络在高分辨率遥感图像上使用饥饿游戏搜索进行道路损坏检测“]，“前缀”：“10.3390”，“卷”：“14”，“作者”：[{“给定”：“Mesfer”，“家庭”：“Al Duhayyim”，“序列”：“第一”，“从属关系”：[}“名称”：“沙特阿拉伯Al-Kharj，Sattam bin Abdulaziz王子大学科学与人文学院计算机科学系，邮编：11942“}]}，{“ORCID”：“http://\/ORCID.org\/0000-0002-7123-8548”，“authenticated-ORCID”：false，“given”：Areej A.，“family”：“Malibari”，“sequence”：“additional”，“affiliation”：[{“name”：“努拉宾特·阿卜杜勒拉赫曼公主大学工程学院工业和系统工程系，邮政信箱84428，利雅得11671，沙特阿拉伯“}]}，{“given”：“Abdullah”，“family”：“Alharbi”，“sequence”：“additional”，“affiliation”：[{“name”：“沙特国王大学社区学院计算机科学系，邮政编码：。邮箱28095，利雅得11437，沙特阿拉伯“}]}，{“given”：“Kallekh”，“family”：“Afef”，“sequence”：“additional”，“afliation”：[{“name”：“沙特阿拉伯哈利德国王大学马哈伊尔科学与艺术学院数学系，Mohil Asser，Abha 62521”}]},{“ORCID”：Ayman”，“family”：“Yafoz”，“sequence”：“additional”，“affiliation”：[｛“name”：“Department of Information Systems，Faculty of Computing and Information Technology，King Abdulaziz University，Jeddah 21589，Saudi Arabia”｝，｛“ORCID”：“http:\/\/ORCID.org/0000-0002-3163-575X”，“authenticated ORCID”：false，“given”：“Raed”，“family”：“Alsini”，“sequence”：“additional“，”affiliation“：[{”name“：”沙特阿拉伯吉达阿卜杜拉齐兹国王大学计算机与信息技术学院信息系统系，21589“}]}，{”ORCID“：”http://\/ORCID.org\/0000-0002-7378-5545“，”authenticated-ORCID“：false，”given“：沙特阿拉伯吉达21589吉达大学计算机科学与工程学院信息系统与技术系“}]}，{“ORCID”：“http://\/ORCID.org\/0000-0003-2003-0357”，“authenticated-ORCID”：false，“给定”：“Heba”，“family”：“Mohsen”，“sequence”：“additional”，“affiliation”：[{“name”：“埃及未来大学计算机与信息技术学院计算机科学系，埃及新开罗11835“}]}]，“成员”：“1968”，“在线发布”：{“日期-部件”：[[2022,12,8]]}，“引用”：[{“key”：“ref_1”，“doi-asserted-by”：“crossref”，”first page“：”101182“，”doi“：”10.1016\/j.aei.2020.101182使用多个行车记录仪图像资源检测道路损坏的深度学习模型性能调查”，“卷”：“46”，“作者”：“曹”，“年份”：“2020年”，“新闻标题”：“高级工程师通知”。“}，{”key“：”ref_2“，”doi-asserted-by“：”crossref“，”unstructured“：”Hruza，P.，Mikita，T.，Tyagur，N.，Krejza，Z.，Cibulkaarticle-title“：“April.基于深度学习的路面损伤检测方法”，“volume”：“volume 10972”，“author”：“Fromme”，“year”：“2019”，“journal-title”：“Health Monitoring of Structural and Biological Systems XIII”}，{key：“ref_4”，“doi-asserted-by”：“crossref”，“unstructured”：“Azimi，M.，Eslamlou，A.D.，and Pekcan，G.（2020）。通过深度学习进行数据驱动的结构健康监测和损伤检测：最新审查。传感器，20.”，“DOI”：“10.3390\/s20102778”}，｛“key”：“ref_5”，“DOI断言者”：“crossref”，“首页”：“103935”，“DOI”：“10.1016\/j.autcon.2021.103935”，“文章标题”：“多个国家基于深度学习的道路损伤检测和分类”，“卷”：“132”，“作者”：“Arya”，“年份”：“2021”，“期刊标题”：“Autom.Constr.”}，｛“key”：“ref_6”，“首页“：”786“，”文章标题“：”基于多层次特征金字塔的道路损伤检测与分类“，”卷“：”15“，”作者“：”殷“，”年份“：”2021“，”期刊标题“：“KSII Trans。互联网信息系统。（TIIS）“}，{”key“：”ref_7“，”doi-asserted-by“：”crossref“，”unstructured“：”Heidari，M.J.，Najafi，A.，and Borges，J.G.（2022）.基于对象检测深度学习算法的森林道路损坏检测.“，”doi“：”10.21203\/rs.3.rs-1749200\/v1“}用于路面损伤检测的移动激光扫描数据”，“卷”：“42”，“作者”：“林登堡”，“年份”：“2019年”，“新闻标题”：“国际档案”。照片。远程传感器垃圾邮件。信息科学。“}，{”key“：”ref_9“，”doi-asserted-by“：”crossref“，”first-page“：”103833“，”doi“：”10.1016\/j.autcon.20211.03833“，”article-title“：”基于轻量级自动编码器网络分层结构的路面损伤检测“，”volume“：“130”，“author”：“Shim”，“year”：“2021”，“journal-title”：“Autom.Constr.”}，”{“key”：“ref_10”，“doi-assert-by”：“crossref”，“非结构化”：“Angulo，A.、Vega-Fern\u00e1ndez，J.A.、Aguilar-Lobo，L.M.、Natraj，S.和Ochoa-Ruiz，G.（11月，1月27日）。基于深层神经网络的道路损坏检测采集系统用于实物资产管理。第18届墨西哥人工智能国际会议记录，2019年墨西哥沙拉帕MICAI。“，”DOI“：”10.1007\/978-3-030-33749-0_1“}，{”key“：”ref_11“，”DOI-asserted-by“：”crossref“，”unstructured“：”Jia，J.，Sun，H.，Jiang，C.，Karila，K.，Karjalainen，M.，Ahokas，E.，Khoramshahi，E.，Hu，P.，Chen，C.，Xue，T.（2021）。道路提取主动和被动遥感技术综述。遥感，13.“，DOI”：“10.3390\/rs13214235”}，{“key”：“ref_12”，“首页”：“102833”，“article-title”：“遥感数据中的道路提取：调查”，“卷”：“112”，“作者”：“陈”，“年份”：“2022年”，“新闻标题”：“国际应用地球观测地理信息”}，{”key“：”ref_13“，”doi-asserted-by“：”crossref“，”unstructured“：”Shao，Z.，Z.、Huang，X.和Zhang，Y.（2021）MRENet：从高分辨率图像中同时提取复杂城市场景中的路面和道路中心线。遥感，13.“，”DOI“：”10.3390\/rs13020239“}，{”key“：”ref_14“，”first page“：“1”，”article-title“：”针对遥感图像的道路分割进行对抗性自训练的阶段性无监督域适配“，”volume“：102341“，”article-title“：”Adaboost-like端到端多个轻型U网，用于从光学遥感图像中提取道路“，”volume“：”100“，”author“：”Chen“，”year“：”2021“，“journal-title”：“Int.J.Appl。地球观测地理信息。“}，{”key“：”ref_16“，”doi-asserted-by“：”crossref“，”first page“：“104139”，”doi“：”10.1016\/j.autcon.2022.104139“，“article-title”：“使用生成性对抗网络超分辨率和半监督学习进行道路损坏检测”，“volume”：“135”，“author”：“Shim”，“year”：“2022”，“journal-title“：”Autom.Constr.“}”，{“key”：”ref_17“，”“doi-assert-by“：”crossref“，”first-page“：”43552“，”DOI“：”10.1109\/ACCESS.2022.3169031“，”article-title“：”基于TLD框架的灾后高分辨率遥感图像道路损伤检测“，”volume“：”10“，”author“：”Zhao“，”year“：”2022“10.1016\/j.future.2021.06.035”，“文章标题”：“FedRD:用于智能危险道路损坏检测和警告的隐私保护自适应联合学习框架”，“卷”：“125”，“作者”：“袁”，“年”：“2021”，“期刊标题”：“未来一代。计算。系统。“}，{”key“：”ref_19“，”doi-asserted-by“：”crossref“，”first page“：“4906”，”doi“：”10.1109\/TITS.2019.2947206“，”article-title“：”基于无监督视差图分割的道路损坏检测“，”volume“：crossref“，”非结构化“：”Fan，R.、Cheng，J.、Yu，Y.、Deng，J..、Giakos，G.和Pitas，I.（2021201327年1月23日）。等待已久的下一代道路损坏检测和定位系统终于问世。2021年第29届欧洲信号处理会议（EUSIPCO）会议记录，爱尔兰都柏林。“，”DOI“：”10.23919\/EUSIPCO54536.2021.9615990“}，{”key“：”ref_21“，”DOI-asserted-by“：”crossref“，”unstructured“：”Kortmann，F.，Talits，K.，Fassmeyer，P.，Warnecke，A.，Meier，N.，Heger，J.，Drews，P.和Funk，B.（2020年1月10日\u201313）.利用更快的r-cnn检测全球国家的各种道路损坏类型。2020 IEEE国际大数据会议论文集，美国佐治亚州亚特兰大”，“DOI”：“10.1109\/BigData50022.2020.9378245”}，{“key”：“ref_22”，“DOI-asserted-by”：“crossref”，“first page”：”965“，“DOI:”10.1007\/s12524-017-0660-3“，“article-title”：“使用QuickBird卫星图像中的GA和SVM分类进行地震后道路损坏评估的新神经模糊方法”，“卷”：“45”，“作者”：“Izadi”，“年份”：“2017年”，“新闻标题”：“J.Indian Soc.Remote Sens.”}，{“关键”：“ref_23”，“非结构化”：“Hill，C.（2021）《经济监测卫星图像中车辆的自动检测》【南佛罗里达大学博士论文】。“}，{”key“：”ref_24“，”first-page“：”12685“，”article-title“：”使用自适应Elman神经网络控制的反馈线性化直接转矩控制策略最小化永磁同步电机的转矩脉动“，”volume“：“31”，”author“：”Sitharthan“，”year“：”2021“，”journal-title”：“Int.Trans.Electr.Energy Syst.”}，”{“key”：“ref_25”，“first-page:”1699“，”article-title“：“工程设计的高级正交学习和高斯裸体饥饿游戏”，“卷”：“9”，“作者”：“周”，“年份”：“2022”，“期刊标题”：“J.Compute”。设计。Eng.“}，{”key“：”ref_26“，”doi-asserted-by“：”crossref“，”unstructured“：”Ochoa-Ruiz，G.，Angulo-Murillo，A.A.，Ochoa-Zezzatti，A.，Aguilar-Lobo，L.M.，Vega-Fern\u00e1ndez，J.A.，and Natraj，S.（2020）。基于视网膜网的沥青损伤数据集和检测系统，用于道路状况评估。Appl.Sci.，10.“，”doi“：”10.3390\/app10113974“}]，“container-title“：[”Remote Sensing“]，”original-title”：[]，“language”：“en”，“link”：[{“URL”：“https:\\/www.mdpi.com\/2072-4292\/14\/24\/622\/pdf”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2024,8,10]]，“date-time”：”2024-08-10T22:585:59Z“，”时间戳“：1723330739000}，”score”：1，“resource”：｛“primary”：｛“URL”：“https://www.mdpi.com/2072-4292\/14\/24\/6222”｝｝，“副标题”：[]，“短标题”：[]，“已发布”：｛“日期部分”：[[2022,12,8]]｝，“参考文献数”：26，“期刊发行”：｛“发行”：“24”，“在线发布”：｛“日期部分”：[[2022,12]]｝｝，“替代id”：[“rs14246222”]，“URL”：“http:\/\/dx.doi.org/10.3390\/rs14246222“，”关系“：{}，”ISSN“：[”2072-4292“]，”ISSN-type“：[{”type“:”electronic“，”value“：”2072~4292“}]，”主题“：[]，”发布“：{”日期部分“：[2022,12,8]]}}}