利用深度学习技术追踪软物质颗粒流中的液滴
软凝聚态物质
2021-08-26 v1
摘要
将最先进的基于深度学习的对象识别 YOLO 算法与对象跟踪 DeepSORT 算法相结合，用于分析多核乳液和软流动晶体的流体动力学模拟数字图像，并追踪这些复杂流场中运动的液滴。YOLO 网络使用合成制备的数据进行训练以识别液滴，从而绕过了费力的数据获取过程。在这两种应用中，训练好的 YOLO + DeepSORT 流程在流体模拟的真实数据上均表现出高精度，推断出的液滴轨迹与独立计算的真实值之间误差水平很低。此外，使用常见的桌面 GPU，所开发的应用能够以超过数码相机典型图像采集速率（30 fps）的速度分析数据，为构建低成本、实用的工具来研究具有多个运动物体的系统（主要但不完全是生物系统）提供了有趣的前景。除实际应用外，本文提出的流程标志着迈向自动提取多体软流动系统有效运动方程的第一步。
引用
@article{arxiv.2107.01575,
title = {Tracking droplets in soft granular flows with deep learning techniques},
author = {Mihir Durve and Fabio Bonaccorso and Andrea Montessori and Marco Lauricella and Adriano Tiribocchi and Sauro Succi},
journal= {arXiv preprint arXiv:2107.01575},
year = {2021}
}
备注
31 pages, 15 figures