文献

J-GLOBAL ID：202202254724586896   整理番号：22A1082962

流体中の高速イメージングの深層学習に基づく超解像再構成【JST・京大機械翻訳】

Deep-learning-based super-resolution reconstruction of high-speed imaging in fluids

著者 (7件)： Wang Zhibo (Applied Mechanics Laboratory, Department of Engineering Mechanics, Tsinghua University, Beijing 100084, People’s Republic of China) ,  Li Xiangru (Applied Mechanics Laboratory, Department of Engineering Mechanics, Tsinghua University, Beijing 100084, People’s Republic of China) ,  Liu Luhan (Applied Mechanics Laboratory, Department of Engineering Mechanics, Tsinghua University, Beijing 100084, People’s Republic of China) ,  Wu Xuecheng (Applied Mechanics Laboratory, Department of Engineering Mechanics, Tsinghua University, Beijing 100084, People’s Republic of China) ,  Hao Pengfei (Applied Mechanics Laboratory, Department of Engineering Mechanics, Tsinghua University, Beijing 100084, People’s Republic of China) ,  Zhang Xiwen (Applied Mechanics Laboratory, Department of Engineering Mechanics, Tsinghua University, Beijing 100084, People’s Republic of China) ,  He Feng (Applied Mechanics Laboratory, Department of Engineering Mechanics, Tsinghua University, Beijing 100084, People’s Republic of China)
資料名： Physics of Fluids  (Physics of Fluids)
巻： 34  号： 3  ページ： 037107-037107-22  発行年： 2022年 
JST資料番号： H0052B  ISSN： 1070-6631  CODEN： PHFLE6  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 多くの流体実験において,高速イメージングシステムの限界のため,低空間高時間分解能フロー画像と高空間低時間分解能フロー画像を得ることができる。この問題を解決するため,粗いデータから高分解能(HR)時間分解流体画像を再構成するために教師なし機械学習を用いた劣化および超解像注意モデル(D-SRA)を提案した。単純な双線形ダウンサンプリングによって人工的に生成された粗いデータの分解能を増加させる以前の研究とは異なり,劣化ニューラルネットワークと超解像ニューラルネットワークから成るモデルは,実験的低解像度データと対応するHRデータの間のマッピングを学習することを目的とする。さらに,チャネルと空間注意モジュールをD-SRAで採用して,流れ場の豊富で重要な詳細の回復を容易にした。提案モデルは,低膨張衝突超音速噴流の2つの高速シュリーレン実験によって検証された。D-SRAの包括的能力を合成不対シュリーレン画像に基づいて統計的に解析した。粗い画像の空間分解能は42倍と82倍増加し,ほとんどの物理的詳細は完全に回復し,既存の方法より優れている。D-SRAはまた,未知縮退シュリーレン画像に対してかなりの一般化とロバスト性を示した。さらに,提案した方法の実用性を実際の不対噴流シュリーレン画像上でさらに探索した。本研究は,高速カメラの性能限界をうまく凌駕し,高空間および時間分解能のフロー画像を得るために,様々な流体実験において大きな応用を有することを説得力的に示した。Copyright 2022 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 噴流 ,  実験 ,  高速度カメラ ,  ニューラルネットワーク ,  再構成 ,  衝突 ,  *超解像 ,  縮退 ,  高分解能 ,  超音速ジェット ,  ロバスト性 ,  流れ場
準シソーラス用語： ダウンサンプリング ,  実用性 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (3件)： 流体の実験・試験・測定方法及び装置  (BC01020K) ,  流体波,流体振動  (BC02050Y) ,  噴流  (BC02080F)

タイトルに関連する用語 (5件)： 流体 ,  高速イメージング ,  深層学習 ,  超解像 ,  再構成