Вычислительные методы и программирование
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Выч. мет. программирование:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Вычислительные методы и программирование, 2023, том 24, выпуск 2, страницы 231–242
DOI: https://doi.org/10.26089/NumMet.v24r217
(Mi vmp1086)
 

Эта публикация цитируется в 1 научной статье (всего в 1 статье)

Методы и алгоритмы вычислительной математики и их приложения

Анализ экспериментальных теневых изображений течений методами компьютерного зрения

И. А. Дорощенко

Московский государственный университет имени М. В. Ломоносова
Аннотация: В данном исследовании рассматриваются два примера автоматизации физических экспериментов с использованием методов компьютерного зрения и глубокого обучения. В первом из них были применены классические алгоритмы компьютерного зрения для обнаружения и отслеживания косого скачка уплотнения на экспериментальных теневых изображениях: метод выделения границ Кэнни и преобразование Хафа. Получив уравнение прямой, соответствующей косому скачку уплотнения, угол ее наклона автоматически рассчитывался для каждого кадра видео. Во втором примере была обучена сверточная нейронная сеть для определения четырех классов объектов на теневых изображениях: вертикальных ударных волн, головных ударных волн, термиков и непрозрачных частиц в потоке. Модель основана на современной архитектуре YOLOv8. Для реализации этой задачи был создан набор данных из 1493 размеченных теневых изображений. Модель показала хорошие метрики в процессе обучения: точность модели и оценка mAP50 превысили 0,9. Она была успешно применена для обнаружения объектов на теневых изображениях. Было продемонстрировано, что применение классических алгоритмов компьютерного зрения и глубокого обучения может значительно ускорить обработку визуализаций потоков и извлечение количественной информации. Однако классические алгоритмы обычно не могут использоваться напрямую и требуют от исследователя написания дополнительного кода для извлечения необходимой информации. Глубокие нейронные сети могут выполнить эту задачу автоматически, и единственное, что требуется, это разметка и сбор большего набора данных.
Ключевые слова: компьютерное зрение, цифровая обработка изображений, детектирование объектов, свёрточные нейронные сети, визуализация течений, ударная волна, головная ударная волна.
Поступила в редакцию: 28.03.2023
Тип публикации: Статья
Образец цитирования: И. А. Дорощенко, “Анализ экспериментальных теневых изображений течений методами компьютерного зрения”, Выч. мет. программирование, 24:2 (2023), 231–242
Цитирование в формате AMSBIB
\RBibitem{Dor23}
\by И.~А.~Дорощенко
\paper Анализ экспериментальных теневых изображений течений методами компьютерного зрения
\jour Выч. мет. программирование
\yr 2023
\vol 24
\issue 2
\pages 231--242
\mathnet{http://mi.mathnet.ru/vmp1086}
\crossref{https://doi.org/10.26089/NumMet.v24r217}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/vmp1086
  • https://www.mathnet.ru/rus/vmp/v24/i2/p231
  • Эта публикация цитируется в следующих 1 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Вычислительные методы и программирование
    Статистика просмотров:
    Страница аннотации:90
    PDF полного текста:96
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024