• چکیده (6)
• فهرست مطالب (7)
• فهرست شکل‌ها (9)
• فهرست جداول (12)
• فصل 1: مقدمه و کلیات (13)
  • 1-1 مقدمه (13)
  • 1-2 اهمیت و ضرورت تحقیق (16)
  • 1-3 اهداف تحقیق (17)
  • 1-4 روش انجام پروژه (17)
  • 1-5 ساختار پایان نامه (19)
• 2 فصل2: مرور ادبیات فنی (20)
  • 2-1 مقدمه (20)
  • 2-2 روش های مبتنی بر پردازش تصاویر (22)
  • 2-3 روش های مبتنی بر یادگیری عمیق (24)
    • 2-3-1 شناسایی ترک به وسیله دسته بندی تصاویر (26)
    • 2-3-2 شناسایی ترک در مقیاس پیکسل (27)
  • 2-4 شناسایی ترک در سازه های بنایی (28)
• 3 فصل3: روش انجام پژوهش (33)
  • 3-1 مقدمه (33)
  • 3-2 مجموعه داده (34)
  • 3-3 مشخصات سازه (38)
  • 3-4 روش انجام پژوهش (39)
  • 3-5 شبکه عصبی کانولوشن (41)
    • 3-5-1 لایه کانولوشن (43)
      • 3-5-1-1 پارامترهای اشتراکی (45)
      • 3-5-1-2 اتصال محلی (46)
    • 3-5-2 تابع تحریک (47)
      • 3-5-2-1 تابع سیگموید (47)
      • 3-5-2-2 تابع رِلو (47)
      • 3-5-2-3 تابع سافتمکس (48)
    • 3-5-3 لایه ادغام (48)
    • 3-5-4 لایه کاملا متصل (49)
    • 3-5-5 آموزش شبکه (50)
      • 3-5-5-1 توابع زیان (51)
      • 3-5-5-2 بهینه سازی (52)
    • 3-5-6 معیارهای بررسی عملکرد شبکه (53)
    • 3-5-7 یادگیری ویژگی ها (55)
  • 3-6 شبکه عصبی کانولوشن برای دسته بندی تصاویر ترک دار (56)
    • 3-6-1 شبکه عصبی افیشِنت نت (56)
    • 3-6-2 تنظیمات یادگیری (61)
  • 3-7 شبکه عصبی کانولوشن برای بخش بندی ترک (62)
    • 3-7-1 شبکه یونِت (62)
    • 3-7-2 تنظیمات یادگیری (66)
• 4 فصل 4: ارزیابی کارایی و نتایج (67)
  • 4-1 دسته بندی تصاویر ترک دار (67)
  • 4-2 شناسایی ترک به وسیله بخش بندی معنایی تصاویر (75)
• 5 فصل 5: نتیجه گیری و پیشنهادات (88)
  • 5-1 جمع بندی مطالب (88)
  • 5-2 پیشنهادات (90)
• 6 منابع (91)