A Generalized Framework for Critical Heat Flux Detection Using Unsupervised Image-to-Image Translation

要約

この作業は、教師なし画像から画像 (UI2I) 変換モデルを使用して臨界熱流束 (CHF) 検出分類モデルを一般化するために開発されたフレームワークを提案します。
このフレームワークにより、ドメイン A からの沸騰画像でトレーニングおよびテストされた典型的な分類モデルが、分類モデルでは見られなかったドメイン B からの沸騰画像を予測できるようになります。
これは、UI2I モデルを使用してドメイン B の画像を変換し、分類モデルが使い慣れたドメイン A の画像のように見せることによって行われます。
CNN が分類モデルとして使用され、Fixed-Point GAN (FP-GAN) が UI2I モデルとして使用されましたが、フレームワークはモデルに依存しません。
つまり、フレームワークは任意の画像分類モデル タイプを一般化できるため、さまざまな同様のアプリケーションに適用でき、沸騰危機検出の問題に限定されません。
また、UI2I モデルが進歩すればするほど、フレームワークのパフォーマンスが向上することも意味します。

要約(オリジナル)

This work proposes a framework developed to generalize Critical Heat Flux (CHF) detection classification models using an Unsupervised Image-to-Image (UI2I) translation model. The framework enables a typical classification model that was trained and tested on boiling images from domain A to predict boiling images coming from domain B that was never seen by the classification model. This is done by using the UI2I model to transform the domain B images to look like domain A images that the classification model is familiar with. Although CNN was used as the classification model and Fixed-Point GAN (FP-GAN) was used as the UI2I model, the framework is model agnostic. Meaning, that the framework can generalize any image classification model type, making it applicable to a variety of similar applications and not limited to the boiling crisis detection problem. It also means that the more the UI2I models advance, the better the performance of the framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google