BubGAN：用于合成逼真泡状流图像的气泡生成对抗网络
计算机视觉与模式识别
2019-11-22 v1
摘要
近年来，气泡分割与尺寸检测算法因其在测量泡状两相流时的高效率与高精度而得到发展。本工作中，我们提出了一种称为气泡生成对抗网络（BubGAN）的架构，用于生成逼真的合成图像，这些图像可进一步用作开发先进图像处理算法的训练或基准数据。BubGAN 最初在一万个标注气泡图像组成的数据集上训练。通过学习这些气泡的分布，BubGAN 相比文献中使用的传统模型能生成更逼真的气泡。训练后的 BubGAN 以气泡特征参数为条件，并在长宽比、旋转角、圆度和边缘比方面对气泡属性具有完全控制能力。利用训练好的 BubGAN 预生成了百万级气泡数据集。随后可使用该数据集及配套图像处理工具组装逼真的泡状流图像。这些图像包含详尽的气泡信息，因此无需额外人工标注。相较于生成无标注信息图像的常规 GAN，此方法更为有用。该工具可用于为现有图像处理算法提供基准与训练数据，并指导未来气泡检测算法的开发。
引用
@article{arxiv.1809.02266,
title = {BubGAN: Bubble Generative Adversarial Networks for Synthesizing Realistic Bubbly Flow Images},
author = {Yucheng Fu and Yang Liu},
journal= {arXiv preprint arXiv:1809.02266},
year = {2019}
}
备注
20 pages, 15 figures