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