Optics Express· 2019Q1
Simülasyondan Öğrenme: Hesaplamalı Hayalet Görüntüleme için Uçtan Uca Derin Öğrenme Yaklaşımı
Learning from simulation: An end-to-end deep-learning approach for computational ghost imaging
- 326atıf
- Q1SCImago
- 2019yıl
Kısa özet
Yalnızca simülasyon verileriyle eğitilen tek adımlı, uçtan uca bir sinir ağı, aydınlatma deseni dizilerine gerek kalmadan, 1B kova sinyallerinden 2B görüntüler yeniden yapılandırabilir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Derin öğrenme ağı, hesaplamalı görüntüleme görevleri için yalnızca simülasyon verileri kullanılarak eğitilebilir.
- Tek adımlı uçtan uca bir sinir ağı, CGI'da 1B kova sinyallerinden 2B görüntüler yeniden yapılandırır.
- Eğitilmiş ağın görüntü yeniden yapılandırması için aydınlatma deseni dizisine ihtiyacı yoktur.
- Bu yöntem, özellikle saçılımlı ortamlarda görüntüleme için eğitim verisi üretimini basitleştirir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Artificial intelligence (AI) techniques such as deep learning (DL) for computational imaging usually require to experimentally collect a large set of labeled data to train a neural network. Here we demonstrate that a practically usable neural network for computational imaging can be trained by using simulation data. We take computational ghost imaging (CGI) as an example to demonstrate this method. We develop a one-step end-to-end neural network, trained with simulation data, to reconstruct two-dimensional images directly from experimentally acquired one-dimensional bucket signals, without the need of the sequence of illumination patterns. This is in particular useful for image transmission through quasi-static scattering media as little care is needed to take to simulate the scattering process when generating the training data. We believe that the concept of training using simulation data can be used in various DL-based solvers for general computational imaging.
Yazarların özeti; kaynağından alınmıştır. Optics Express, 2019 · 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