一种利用无监督图像到图像翻译泛化临界热流密度检测模型的框架
计算机视觉与模式识别
2023-05-16 v3 图像与视频处理
摘要
临界热流密度（CHF）的检测在沸腾换热应用中至关重要，因为未能检测到 CHF 会导致温度快速升高，进而引发设备故障。已有许多机器学习模型用于检测 CHF，但当它们在来自不同域的数据上进行测试时，性能会显著下降。为了处理新域的数据集，需要从头训练模型，且数据集需要由领域专家进行标注。为解决这一问题，我们提出了一种新的框架，以无监督的方式支持已训练 CHF 检测模型的泛化性和适应性。该方法使用无监督图像到图像（UI2I）翻译模型，将目标数据集中的图像转换为看起来像是从模型先前训练所在的同一域中获取的图像。与其他处理域偏移的框架不同，我们的框架不需要重新训练或微调已训练的分类模型，也不需要在分类模型或 UI2I 模型的训练过程中使用合成数据集。该框架在来自不同域的三个沸腾数据集上进行了测试，我们证明，在一个数据集上训练的 CHF 检测模型能够以高精度泛化到另外两个先前未见过的数据集。总体而言，该框架使 CHF 检测模型能够适应来自不同域生成的数据，而无需额外的标注工作或模型重训练。
引用
@article{arxiv.2212.09107,
title = {A Framework for Generalizing Critical Heat Flux Detection Models Using Unsupervised Image-to-Image Translation},
author = {Firas Al-Hindawi and Tejaswi Soori and Han Hu and Md Mahfuzur Rahman Siddiquee and Hyunsoo Yoon and Teresa Wu and Ying Sun},
journal= {arXiv preprint arXiv:2212.09107},
year = {2023}
}
备注
This work has been submitted to the Expert Systems With Applications Journal on Sep 25, 2022