【论文阅读】深度学习在过冷沸腾气泡动力学分割中的应用

万里守约

已于 2024-02-27 15:05:52 修改

阅读量856

点赞数 3

分类专栏：论文阅读文章标签：深度学习人工智能图像分割计算机视觉图像处理论文阅读

于 2024-02-25 16:23:52 首次发布

本文链接：https://blog.csdn.net/qq_45625499/article/details/136283510

版权

本文探讨了深度学习在过冷沸腾条件下气泡动力学的分割应用，通过迁移学习减少数据标注负担。研究了经典的YOLO算法结构和损失函数，以及不同数据量和优化器对模型性能的影响。结果展示了各种气泡类型和噪声条件下的检测效果，以及对传统方法的改进。文章还分析了气泡行为参数与检测性能的关系。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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：在这里插入图片描述
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