《表2 所用PIV数据集中包含的流场种类描述》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度神经网络的粒子图像测速算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（2）生成流动速度场。采用计算流体力学（CFD）来人为生成流动速度场。为了增加数据集的多样性，本文采用了多种流动模式。CFD可以简单地模拟一些标准流场，例如均匀流场、反向阶梯流场和圆柱绕流流场（下文分别用Uniform、Back-step、Cylinder表示）。此外，本文从部分开源文献中直接获得更多的流体运动数据，例如文献[16]和[17]分别提供了各项同性的自由湍流流场（简称DNS-turbulence）和海洋表面流场（Surface Quasi-Geostrophic，简称SQG）仿真模型，而约翰霍普金斯湍流数据库（JHTBD）[18]也提供了多种湍流速度场数据。表2中给出了所采用的流体运动速度场种类列表，其中，通过调节不同速度幅值、不同雷诺数可增加流场的多样性。例如，对于圆柱绕流仿真，用不同雷诺数（Re=40、150、200、300、400）下的流场以增强训练数据的多样性，保证算法在不同涡街情况下均适用。