本文主要是介绍深度学习在过冷沸腾气泡动力学分割中的应用，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
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
这篇关于深度学习在过冷沸腾气泡动力学分割中的应用的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
