泡沫产生器(俄罗斯暴雪泡沫发生器)

摘要：近年来，气泡分割和尺寸检测算法因其在气泡两相流中的高效性和准确性而得到发展。在这项工作中，我们提出了一种称为气泡生成对抗网络(BubGAN)的体系结构，用于生成逼真的合成图像，并可进一步用作高级图像处理算法开发的训练或基准数据。BubGAN最初是在由10，000幅图像组成的标记气泡数据集上训练的。通过研究这些气泡的分布，BubGAN可以产生比文献中使用的传统模型更逼真的气泡。训练好的BubGAN以气泡特征参数为条件，在纵横比、旋转角度、圆度、边缘比等方面完全控制气泡特征。用训练好的BubGAN预生成一百万个泡泡数据集。然后，可以使用数据集和相关的图像处理工具来组装真实的气泡流图像。这些图像包含详细的气泡信息，因此不需要额外的手动标记。与传统的GAN相比，这更有用，传统的GAN生成的图像没有标记信息。该工具可用于为现有图像处理算法提供基准和训练数据，并指导气泡检测算法的未来发展。

简介：密集物体检测和计数是一项常见但耗时且具有挑战性的任务。这些应用可以在行人监视[1]，航空图像中的车辆检测[2]，医学图像中的细胞或细菌菌落计数[3-5]，石油工程中的油滴表征[6]和气泡计数中找到。在泡罩塔或核反应堆中。在泡罩塔或核反应堆应用中，气泡形状的精确分离和重建与数量计数同等重要，因为气泡形状包含重要的几何信息，用于研究这些系统中的质量，动量和能量传输[6,7]。对泡沫形状采集的需求为该领域的算法开发和基准测试带来了额外的挑战。