Domain-randomised instance-segmentation benchmark for soot in PIV images

Jose, Basil und Geigle, Klaus Peter und Hampp, Fabian (2025) Domain-randomised instance-segmentation benchmark for soot in PIV images. Machine Learning: Science and Technology, 6 (4), 040504. Institute of Physics (IOP) Publishing. doi: 10.1088/2632-2153/ae2565. ISSN 2632-2153.

PDF - Verlagsversion (veröffentlichte Fassung)
4MB

Offizielle URL: https://dx.doi.org/10.1088/2632-2153/ae2565

elib-URL des Eintrags:

https://elib.dlr.de/225743/

Dokumentart:

Zeitschriftenbeitrag

Titel:

Domain-randomised instance-segmentation benchmark for soot in PIV images

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Jose, Basil	IVLR, Uni Stuttgart	https://orcid.org/0009-0007-7707-8614	221238530
Geigle, Klaus Peter	NICHT SPEZIFIZIERT	https://orcid.org/0000-0002-7564-1510	221238542
Hampp, Fabian	IVLR, Uni Stuttgart	https://orcid.org/0000-0002-9895-4288	NICHT SPEZIFIZIERT

Datum:

2025

Erschienen in:

Machine Learning: Science and Technology

Referierte Publikation:

Open Access:

Gold Open Access:

In SCOPUS:

In ISI Web of Science:

Band:

DOI:

10.1088/2632-2153/ae2565

Seitenbereich:

040504

Verlag:

Institute of Physics (IOP) Publishing

ISSN:

2632-2153

Status:

veröffentlicht

Stichwörter:

optical diagnostics, instance segmentation, PIV, image segmentation, domain randomization, sooting flame, RQL combustor

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Luftfahrt

HGF - Programmthema:

Umweltschonender Antrieb

DLR - Schwerpunkt:

Luftfahrt

DLR - Forschungsgebiet:

L CP - Umweltschonender Antrieb

DLR - Teilgebiet (Projekt, Vorhaben):

L - Komponenten und Emissionen

Standort:

Stuttgart

Institute & Einrichtungen:

Institut für Verbrennungstechnik > Brennersysteme und Diagnostik

Hinterlegt von:

Geigle, Dr. Klaus Peter

Hinterlegt am:

20 Jul 2026 16:07

Letzte Änderung:

20 Jul 2026 16:07

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags