迈向 DeepSpray：使用卷积神经网络后处理液雾化的阴影成像图像
计算机视觉与模式识别
2019-10-25 v1 数据分析、统计与概率
摘要
本技术报告研究了卷积神经网络后处理一次雾化图像的潜力。考察了三项任务。第一，在退化光学条件下液滴的检测与分割。第二，重叠椭圆的检测及其几何特征的预测。该任务对应于在视觉信息减少的情况下外推椭圆的隐藏轮廓。第三，在一次破碎过程中的液体表面若干特征（韧带、液袋、边缘）在 15 张实验图像上被手动标注。该检测器使用简单数据增强在此最小数据库上训练，然后应用于来自数值模拟及其他实验的其他图像。在这三项任务中，基于卷积神经网络的文献模型展现出极具前景的结果，从而证明了深度学习后处理液雾化的高潜力。下一步是将这些模型嵌入统一的框架 DeepSpray。
引用
@article{arxiv.1910.11073,
title = {Towards DeepSpray: Using Convolutional Neural Network to post-process Shadowgraphy Images of Liquid Atomization},
author = {Geoffroy Chaussonnet and Christian Lieber and Yan Yikang and Wenda Gu and Andreas Bartschat and Markus Reischl and Rainer Koch and Ralf Mikut and Hans-Jörg Bauer},
journal= {arXiv preprint arXiv:1910.11073},
year = {2019}
}
备注
Technical report, 22 pages, 29 figures