1. Shi, С. and Pun, С.-М., “Supcrpixcl-bascd 3D deep neural networks for hypcrspcctral image classification”, Pattern Rccognit., Vol. 74, Pages 600-616, 2018.
2. Li, J., Xia, C. and Chen, X., “A Benchmark Dataset and Salicncy-Guidcd Stacked Autocncodcrs for Video-Based Salient Object Detection”, IEEE Trans. Image Process., Vol. 27, Issue 1, Pages 349- 364, 2018.
3. Наумов А.Е. Совершенствование технологии строительства и технической экспертизы с использованием аппаратно-программного комплекса автоматизированной дефектоскопии / А.Е. Наумов, Д.А. Юдин, А.В. Долженко // Вестник Белгородского государственного технологического университета. ВГ Шухов. - 2019. - № 4. - С. 61-69.
4. Сикорский О.С. Обзор сверточных нейронных сетей для задачи классификации изображений / О.С. Сикорский // Новые информационные технологии в автоматизированных системах. - 2017. - № 3. - С. 15-23.
5. Соснин А.С., Суслова И.А. Функции активации нейронной сети: сигмовидная, линейная, ступенчатая, ReLu, tan // Наука. Информатизация. Технологии. Образование. - Екатеринбург:, 2019. - С. 237-246.
6. Двухэтапный метод обнаружения трещин в бетонных мостах с использованием сверточных нейронных сетей. / Ю. Ли, В. Чжао, С. Чжан, Ц. Чжоу // Транзакции IEICE по информации и системам. - 2018. - № Е101.Д (12). - С. 3249-3252.
7. Автоматическое обнаружение и измерение трещин на уровне пикселей с использованием полностью сверточной сети / X. Ян, Х. Ли, X. Ю [и др.] // Компьютерное гражданское и инфраструктурное проектирование. - 2018. - № 33 (4). - С. 1090-1109.
8. Автоматизированное обнаружение трещин в дорожном покрытии на уровне пикселей на 3D-асфальтовых поверхностях с использованием сети глубокого обучения / А. Чжан, К. Ван, Э. Янг [и др.] // Компьютерное гражданское и инфраструктурное проектирование. - 2017. - № 32 (5). - С. 805-819.
9. Ченг Дж. Автоматическое обнаружение дефектов канализационных труб на изображениях замкнутого телевидения с использованием методов глубокого обучения / Дж. Ченг, М. Ван // Автоматизация в строительстве. - 2018. - № 95. - С. 155-171.
10. Дорафшан С. Сравнение глубоких сверточных нейронных сетей и детекторов краев для обнаружения трещин в бетоне на основе изображений / С. Дорафшан, Р. Дж. Томас, М. Магуайр // Строительство и строительные материалы. - 2018. - № 186. - С. 1031-1045.
11. Говард Дж. Беспилотные летательные аппараты в строительстве и безопасности труда / Дж. Ховард, В. Мурашов, С. М. Бранш // Американский журнал промышленной медицины. - 2018. - № 61.- С. 3-10.
12. Ким Б. Автоматизированное визуальное обнаружение трещин на бетонных поверхностях с использованием метода глубокого обучения / Б. Ким, С. Чо // Датчики. - 2018. - № 18 (10). - С. 1-18.
13. Князева, Н. В., Левина Д.А. Использование BIM-сценариев в работе служб эксплуатации // Вестник Белгородского государственного технологического университета им. В.Г. Шухова. - 2019. - № 5. - С. 99-105. DOI: https://doi.org/10.34031/article_5cd6df471c80b0.92422061; EDN: https://elibrary.ru/IBNDHU