用于三维流场分割与分类的新型深度学习方法
计算机视觉与模式识别
2023-06-16 v2 流体动力学
摘要
流场分割与分类有助于研究者理解涡结构从而理解湍流。现有深度学习方法主要基于全局信息并聚焦于二维情形。基于流场理论，我们提出了三维空间中流场分割与分类的新型深度学习方法。我们构建了基于局部速度信息的分割准则和基于局部涡量与尾流之间关系的分类准则，以识别三维流场中的涡结构，并进一步准确快速地分类尾流类型。仿真实验结果表明，与现有方法相比，我们的分割方法能更准确地识别涡区域，同时耗时减少 50% 以上；我们的分类方法在保持相同分类精度水平的同时，耗时减少 90% 以上。
引用
@article{arxiv.2305.11884,
title = {Novel deep learning methods for 3D flow field segmentation and classification},
author = {Xiaorui Bai and Wenyong Wang and Jun Zhang and Yueqing Wang and Yu Xiang},
journal= {arXiv preprint arXiv:2305.11884},
year = {2023}
}
备注
13 pages, 23 figures