典型文献
显微成像中深度学习数据增强方法
文献摘要：
近年来,深度学习技术已广泛应用于计算成像领域中,解决了许多成像难题.为减少训练数据集制作的复杂程度,以数字全息显微成像重建过程为例,基于光成像物理过程,采用模拟手段以增强深度学习所用数据,并将该方法应用于细胞显微成像.测试结果表明经该方法获取的数据集可以代替实验数据集来对神经网络进行训练,并能有效提高输出成像质量.该方法的提出解决了神经网络输入图像和基准图像的像素匹配问题,减少了实验采集数据集的工作量,进一步提高神经网络整体训练效率.
文献关键词：
全息重建;深度学习;数据集;神经网络;数据增强
中图分类号：
作者姓名：
王文健;王华英;董昭;张小磊;张子健;雷家良;王杰宇
作者机构：
河北工程大学数理科学与工程学院,河北邯郸 056038
文献出处：
引用格式：
[1]王文健;王华英;董昭;张小磊;张子健;雷家良;王杰宇-.显微成像中深度学习数据增强方法)[J].激光杂志,2022(02):96-100
A类：
B类：
学习数据,数据增强,增强方法,深度学习技术,计算成像,少训练,训练数据集,复杂程度,数字全息显微成像,光成像,物理过程,模拟手,明经,高输出,成像质量,像素,匹配问题,采集数据,高神,训练效率,全息重建
AB值：
0.40884
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
