論文の概要: Novel deep learning methods for 3D flow field segmentation and classification

• arxiv url: http://arxiv.org/abs/2305.11884v1
• Date: Wed, 10 May 2023 08:44:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-28 05:29:45.669857
• Title: Novel deep learning methods for 3D flow field segmentation and classification
• Title（参考訳）: 3次元流れ場分割と分類のための新しい深層学習法
• Authors: Xiaorui Bai, Wenyong Wang, Jun Zhang, Yueqing Wang, Yu Xiang
• Abstract要約: 三次元空間における新しい流れ場セグメンテーションと分類深層学習法を提案する。 局所速度情報と分類基準に基づくセグメンテーション基準を構築する。
• 参考スコア（独自算出の注目度）: 18.47579238459306
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flow field segmentation and classification help researchers to understand vortex structure and thus turbulent flow. Existing deep learning methods mainly based on global information and focused on 2D circumstance. Based on flow field theory, we propose novel flow field segmentation and classification deep learning methods in three-dimensional space. We construct segmentation criterion based on local velocity information and classification criterion based on the relationship between local vorticity and vortex wake, to identify vortex structure in 3D flow field, and further classify the type of vortex wakes accurately and rapidly. Simulation experiment results showed that, compared with existing methods, our segmentation method can identify the vortex area more accurately, while the time consumption is reduced more than 50\%; our classification method can reduce the time consumption by more than 90\% while maintaining the same classification accuracy level.
• Abstract（参考訳）: 流れ場のセグメンテーションと分類は、渦の構造や乱流を理解するのに役立つ。 グローバル情報に基づく既存の深層学習手法 : 2次元状況に着目して 流れ場理論に基づいて,3次元空間における新しい流れ場セグメンテーションとディープラーニングの分類法を提案する。 本研究では,局所速度情報と渦流と渦流の関係に基づく分類基準に基づいてセグメンテーション基準を構築し,3次元流れ場の渦構造を同定し,渦流のタイプを正確にかつ迅速に分類する。 シミュレーション実験の結果, 従来の手法と比較して, 分節法では渦面積をより正確に識別でき, 時間消費は50%以上減少し, 分節法では同じ分類精度を維持しながら, 時間消費を90%以上削減できることがわかった。

関連論文リスト

• Data-driven intrinsic localized mode detection and classification in one-dimensional crystal lattice model [0.0]
  本稿では,一次元結晶格子波を分類する支援ベクトルマシン分類アルゴリズムを提案する。 粒子変位,モータ,エネルギー密度の3つの異なる学習データセットを考察した。 分類アルゴリズムの効率は、2つの次元削減技術によりさらに改善される。
  論文  参考訳（メタデータ） (2021-10-15T16:15:06Z)
• Noise-Resistant Deep Metric Learning with Probabilistic Instance Filtering [59.286567680389766]
  ノイズラベルは現実世界のデータによく見られ、ディープニューラルネットワークの性能劣化を引き起こす。 DMLのための確率的ランク付けに基づくメモリを用いたインスタンス選択(PRISM)手法を提案する。 PRISMはラベルがクリーンである確率を計算し、潜在的にノイズの多いサンプルをフィルタリングする。
  論文  参考訳（メタデータ） (2021-08-03T12:15:25Z)
• 3D Iterative Spatiotemporal Filtering for Classification of Multitemporal Satellite Data Sets [4.6998356311022285]
  3次元幾何学的特徴は時間的データセット間の差異を評価するために安定であることが示されている。 本稿では,衛星データに基づく時間的分類のための多面的正光およびディジタル表面モデルの利用について検討する。
  論文  参考訳（メタデータ） (2021-07-01T16:26:52Z)
• Towards Understanding Knowledge Distillation [37.71779364624616]
  知識蒸留は、分類器間の知識伝達において、経験的に非常に成功した技術である。 この現象の十分な理論的説明はない。 本稿では, 線形および深部線形分類器の特別事例を考察することにより, 蒸留の作業機構に関する最初の知見を提供する。
  論文  参考訳（メタデータ） (2021-05-27T12:45:08Z)
• PointFlow: Flowing Semantics Through Points for Aerial Image Segmentation [96.76882806139251]
  本論文では,FPN(Feature Pyramid Network)フレームワークに基づく点親和性伝播モジュールであるPointFlowを提案する。 密接な親和性学習ではなく、隣接する特徴間の選択された点にスパース親和性マップを生成する。 3つの異なる空中セグメンテーションデータセットの実験結果から,提案手法は最先端の汎用セグメンテーション法よりも効率的かつ効率的であることが示唆された。
  論文  参考訳（メタデータ） (2021-03-11T09:42:32Z)
• FROCC: Fast Random projection-based One-Class Classification [4.312746668772342]
  高速ランダムプロジェクションに基づく一クラス分類(FROCC)は一クラス分類の効率的な方法である。 FROCCは最大3.1%向上し、トレーニング時間とテスト時間では1.2-67.8倍のスピードアップを達成した。
  論文  参考訳（メタデータ） (2020-11-29T08:56:59Z)
• A Fast Point Cloud Ground Segmentation Approach Based on Coarse-To-Fine Markov Random Field [0.32546166337127946]
  粗いマルコフ確率場(MRF)法に基づく高速点雲場分割手法を提案する。 提案手法は, 地盤のセグメンテーション精度の点で他のアルゴリズムよりも優れていることを示した。
  論文  参考訳（メタデータ） (2020-11-26T06:07:24Z)
• FlowStep3D: Model Unrolling for Self-Supervised Scene Flow Estimation [87.74617110803189]
  シーンフローとして知られるシーン内の点の3次元運動を推定することは、コンピュータビジョンにおける中核的な問題である。 本稿では,シーンフローの予測を洗練するための反復的アライメント手順の1ステップを学習する再帰的アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-11-19T23:23:48Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)
• Weakly Supervised Deep Nuclei Segmentation Using Partial Points Annotation in Histopathology Images [51.893494939675314]
  本稿では,部分点アノテーションに基づく弱教師付きセグメンテーションフレームワークを提案する。 本手法は, 完全教師付き手法や最先端手法と比較して, 競争性能を向上できることを示す。
  論文  参考訳（メタデータ） (2020-07-10T15:41:29Z)
• Fine-Grained Visual Classification with Efficient End-to-end Localization [49.9887676289364]
  本稿では,エンド・ツー・エンドの設定において,分類ネットワークと融合可能な効率的なローカライゼーションモジュールを提案する。 我々は,CUB200-2011,Stanford Cars,FGVC-Aircraftの3つのベンチマークデータセット上で,新しいモデルを評価する。
  論文  参考訳（メタデータ） (2020-05-11T14:07:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。