南京航空航天大学学报

作者：赵红梅，彭博，周志宏，易贤

单位：西南石油大学计算机科学学院，成都 610050；,西南石油大学计算机科学学院，成都 610050；,四川大学建筑与环境学院，成都 610041；,中国空气动力 研究与发展中心结冰与防除冰重点实验室，绵阳 621050；

关键词：动态结冰;气泡提取;图像分割;域适应;Attention U-Net

基金：国家自然科学基金重点基金（12132019）；国家重大科技专项（J2019-III-0010-0054）；国家自然科学基金面上基金 （12172372）。

针对采用深度学习方法提取结冰显微图像中的气泡需要大量标注数据，但人工标注气泡任务较为困难的问题，提出了一种基于风格迁移网络CycleGAN和图像分割网络Attention U-Net的域适应提取方法。该方法通过程序模拟气泡形态生成的图像为源域，结冰显微图像为目标域，通过CycleGAN将源域图像转为目标域风格，采用风格转换后的源域数据集训练Attention U-Net网络。通过对比实验对无标注结冰图像和少量标注图像两种情况进行验证。实验结果表明，在无标注图像的情况下，可实现无监督的结冰显微图像的气泡提取；在只有少量标注图像的情况下，该方法可实现更精确的气泡提取。

来源：2024年第2期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2024年第2期