Deep learning-based bubble detection with Swin Transformer

上澤 伸一郎; 吉田 啓之

Journal of Nuclear Science and Technology, 61(11), p.1438 - 1452, 2024/11

https://doi.org/10.1080/00223131.2024.2348023

本研究では、重なり合う気泡の中から個々の気泡を検出・分割するために、Shifted window Transformer (Swin Transformer)を用いた深層学習ベースの気泡検出器を開発した。検出器の性能を検証するため、学習画像数を変えて平均適合率(AP)を計算した。APは、訓練画像の数が50枚以下の場合は、トレーニング画像の数の増加とともに増加したが、50枚を超える場合は一定であった。50枚以上ではSwin Transformerと一般的なCNNであるResNetのAPはほぼ同じであったが、学習画像が少ない場合はSwin TransformerのAPがResNetのAPを上回った。また、ボイド率が増加すると、Swin TransformerのAPはResNetの場合と同様の減少を示したものの、学習画像が少ない場合はSwin TransformerのAPが全てのボイド率においてResNetのAPを上回った。さらに、合成気泡画像で学習した検出器で、気泡流可視化実験の重なった気泡や変形気泡の検出が可能であることを確認した。このように、Swin Transformerを用いた新しい気泡検出器は、ResNetを用いた検出器よりも少ない学習画像で高いAPを得られることが確認された。