申请/专利权人:安徽大学
申请日:2023-12-28
公开(公告)日:2024-04-09
公开(公告)号:CN117853336A
主分类号:G06T3/4053
分类号:G06T3/4053;G03H1/08;G06N3/0455
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明涉及一种基于物理启发的轻量级深度学习压缩成像方法及装置。该方法包括以下步骤:构建压缩全息感知模型;利用压缩全息感知模型获取低维衍射强度,利用计算超分重建方法构建计算成像框架,利用计算成像框架从所述低维衍射强度中恢复复值振幅;分别构建基于LIST层的轻量化计算成像框架与距离生成网络;利用轻量化计算成像框架和所述距离生成网络,确定轻量级深度学习压缩全息成像模型;利用轻量级深度学习压缩全息成像模型,进行压缩全息成像。本发明的方法耗费更少的时间,尤其是在低维衍射强度条件时同时实现更高质量的复振幅重建和更精准的重建距离估计。
主权项:1.基于物理启发的轻量级深度学习压缩成像方法,其特征在于,该方法包括以下步骤:S1、构建压缩全息感知模型;S2、利用所述压缩全息感知模型获取低维衍射强度,利用计算超分重建方法构建计算成像框架,利用所述计算成像框架从所述低维衍射强度中恢复复值振幅;S3、分别构建基于LIST层的轻量化计算成像框架与距离生成网络;S4、利用所述轻量化计算成像框架和所述距离生成网络,确定轻量级深度学习压缩全息成像模型;S5、利用所述轻量级深度学习压缩全息成像模型,进行压缩全息成像。
全文数据:
权利要求:
百度查询: 安徽大学 基于物理启发的轻量级深度学习压缩成像方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。