通过深度学习测量由高斯扰动触发的怪波图样
计算机视觉与模式识别
2022-05-11 v2 数值分析
图像与视频处理
数值分析
摘要
由于调制不稳定性，平面波背景上的弱高斯扰动可能触发大量怪波。数值模拟表明这些怪波似乎具有相似的单元结构。然而，据我们所知，尚无相关结果证明这些怪波对不同扰动具有相似图样，部分原因是难以自动测量怪波图样。本工作中，我们从计算机视觉的角度通过使用深度神经网络来解决这些问题。我们提出一种怪波检测网络（RWD-Net）模型，用于在图像上自动且精确地检测怪波，这直接表明它们具有相似的计算机视觉图样。为此，我们同时设计了相关数据集，称为怪波数据集-10K（RWD-10K），其包含 10,191 张带有每个怪波单元边界框标注的怪波图像。在我们的检测实验中，我们在 RWD-10K 数据集的测试划分上获得了 99.29% 的平均精度。最后，我们推导出新的度量——怪波单元密度（DRW），以刻画高斯扰动的演化并获得了关于它们的统计结果。
引用
@article{arxiv.2109.08909,
title = {Measuring the rogue wave pattern triggered from Gaussian perturbations by deep learning},
author = {Liwen Zou and XinHang Luo and Delu Zeng and Liming Ling and Li-Chen Zhao},
journal= {arXiv preprint arXiv:2109.08909},
year = {2022}
}
备注
8 pages, 6 figures