В данной работе используются модели машинного обучения и нейронные сети для создания инструментов получения качественных данных для анализа пристеночного слоя турбулентного потока в импактном воздействии. Турбулентный слой течение очень сложная часть. До сих пор есть проблема моделирования турбулентного течения. С помощью высокочастотной инфракрасной термографии можно визуализировать пристеночный турбулентный поток и его пульсации.
JT83_export.mp4
Решалась задача многомерной регрессии с помощью нескольких моделей машинного обучения, после чего выбиралась оптимальная. Две нейронные сети типа U-Net были созданы для решения задачи типа image-to-image. Так как данные представляют собой пары видео-изображения, первая нейронная сеть была создана на основе ResNet18, а вторая на основе ResNet3D.
Было проведено сравнение этих сетей и их результатов. Были получены относительно положительные результаты моделей, а также полезное их сравнение для такой необычной задачи.
Требуется последующая их оптимизация, создания собственной функции потерь с маской и использования иных методов для 3D данных.