《表3 不同算法对湍流粒子图像测速的运行时间》

  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

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。