Application of deep learning for segmentation of bubble dynamics in subcooled boiling
深度学习在过冷沸腾气泡动力学分割中的应用
期刊信息:International Journal of Multiphase Flow 2023
级别:EI检索 SCI升级版工程技术2区 SCI基础版工程技术3区 IF 3.8
原文链接:https://doi.org/10.1016/j.ijmultiphaseflow.2023.104589
全文翻译:https://pan.baidu.com/s/1WBDB0WkmhXjdVl0loVZk_w?pwd=6666
1、使用迁移学习降低数据标注工作量
2、前人相关研究介绍4-5条、主要贡献说明:4条
3、实验载体详细参数,实验装置图
4、实验过程中气泡状态展示:正常气泡、非椭圆形气泡、合并、流动、紧密排列
5、经典图像算法介绍(商用软件、开源代码、CNN)
本文图像处理算法流程图:
6、YOLO算法架构(主干、颈部、头部)及流程说明,主干架构中各个模块介绍
7、损失函数:1.边界框回归损失(𝑙𝑏𝑜x);2.客观损失(𝑙𝑜𝑏𝑗);3.分类损失(𝑙𝑐𝑙𝑠);4.掩码损失(𝑙𝑚𝑎𝑠𝑘)
L为总损失函数 ,边界框介绍
8、评价指标介绍、数据集介绍、迁移学习介绍
不同优化器的损失值对比:
9、有无迁移学习、不同训练数据量的性能对比:P、R、AP@0.5、AP@0.5:0.95
10、步骤9中对比结果,模型的性能介绍
11、传统方法与改进方法对比(图像对比、不同空隙率下IoU对比等)
12、不同气泡类型的检测效果图:小、中、大,紧密接触、合并
13、不同噪声条件下的效果对比:原图、对比度增强、锐化、高斯模糊、高斯噪声(10,25)、各自的IoU对比
14、不同svf下的效果对比
15、检测气泡行为及气泡详细参数,雷诺数
(a)气泡随速度大小的轨迹和气泡生长图像,(b)气泡直径随时间的变化,© 气泡雷诺数随时间的变化
16、讨论(4条)与局限性(4条)
17、结论