機械学習の戦略による体積粒子画像速度測定の粒子再構成【JST・京大機械翻訳】

Gao Qi; Pan Shaowu; Wang Hongping; Wei Runjie; Wang Jinjun

プレプリント

J-GLOBAL ID：202202219716906040 整理番号：21P0017066

機械学習の戦略による体積粒子画像速度測定の粒子再構成【JST・京大機械翻訳】

Particle reconstruction of volumetric particle image velocimetry with strategy of machine learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2019年09月15日プレプリントサーバーでの情報更新日： 2021年09月13日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

限られた二次元投影による三次元粒子再構成は,正確な解がしばしば得るのが難しい,劣決定逆問題である。一般に,近似解は反復最適化法によって得ることができる。本研究では,形状情報特徴を持つ畳込みニューラルネットワーク(CNN)に基づく実用的粒子再構成法を提案した。提案技法は,任意の伝統的な代数再構成技法(ART)に基づく手法によって生成された粒子分布の非常に粗い初期推測から粒子再構成を精密化できる。利用可能なARTベースアルゴリズムと比較して,新しい技法は,再構成品質,雑音に対するロバスト性,およびオフライン段階で少なくとも1桁のオーダーで,大幅な改善を行う。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , 【Automatic Indexing@JST】

図形・画像処理一般

, , , ,

前のページに戻る