Scientific Reports· 2017Q1
Derin öğrenme tabanlı hayalet görüntüleme
Deep-learning-based ghost imaging
- 440atıf
- Q1SCImago
- 2017yıl
Kısa özet
Hayalet Görüntüleme için Derin Öğrenme (GIDL) adı verilen yeni bir çerçeve, geleneksel yöntemlerden daha az örnekle daha yüksek kaliteli görüntüler yeniden oluşturur.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Hayalet Görüntüleme için Derin Öğrenme (GIDL) çerçevesini tanıtır.
- Derin sinir ağı, eğitim verilerinden algılama modelini öğrenir.
- Geleneksel yöntemlerden daha iyi görüntü yeniden yapılandırma kalitesi elde eder.
- Aşırı düşük örnekleme oranlarında sıkıştırmalı algılamadan daha iyi performans gösterir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
In this manuscript, we propose a novel framework of computational ghost imaging, i.e., ghost imaging using deep learning (GIDL). With a set of images reconstructed using traditional GI and the corresponding ground-truth counterparts, a deep neural network was trained so that it can learn the sensing model and increase the quality image reconstruction. Moreover, detailed comparisons between the image reconstructed using deep learning and compressive sensing shows that the proposed GIDL has a much better performance in extremely low sampling rate. Numerical simulations and optical experiments were carried out for the demonstration of the proposed GIDL.
Yazarların özeti; kaynağından alınmıştır. Scientific Reports, 2017 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Akustik ve Ultrasonik
Acoustics and UltrasonicsPhysics and Astronomy