《表3 不同算法对湍流粒子图像测速的运行时间》
图7给出了NetE子网络中不同金字塔等级的估计速度场,分别对应图1中的Level 3到Level 0层,同时与多层HS光流法进行对比。从图7可以看出,对比任一层级的输出,PIV-LiteFlowNet-en的估计速度场均比多尺度HS方法更合理。造成这种区别的原因,可能是PIV-LiteFlowNet-en网络采用图像特征进行计算,而HS方法则直接采用降采样的粒子图像。在低分辨率图像上估计出的速度场会用于下一层级的变形等操作,因此也会影响最终的输出结果。以上是对PIV深度神经网络内部输出和内在原理的分析。
图表编号 | XD0069373400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 蔡声泽、许超、高琪、魏润杰 |
绘制单位 | 浙江大学控制科学与工程学院、浙江大学控制科学与工程学院、浙江大学航空航天学院、北京立方天地科技发展有限责任公司 |
更多格式 | 高清、无水印(增值服务) |