Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Entropy-Constrained M<sup>2</sup>ANet for Early Fault Prediction of Wind Turbines.

Entropy (Basel, Switzerland)·2026
查看所有相关文章

相关实验视频

Updated: Jun 21, 2025

Medical-grade Sterilizable Target for Fluid-immersed Fetoscope Optical Distortion Calibration
07:03

Medical-grade Sterilizable Target for Fluid-immersed Fetoscope Optical Distortion Calibration

Published on: February 23, 2017

7.7K

一种W形自主监督的计算幽灵成像恢复方法,用于封闭的目标.

Yu Wang1, Xiaoqian Wang1, Chao Gao1

  • 1Department of Physics, Changchun University of Science and Technology, Changchun 130022, China.

Sensors (Basel, Switzerland)
|July 13, 2024
PubMed
概括

我们开发了一种新的W形自主监督计算幽灵成像 (WSCGI) 方法来重建封闭的对象. 这种方法显著提高了图像质量和重建效率,证明了幽灵成像应用中自主监督学习的力量.

关键词:
深度学习是一种深度学习.幽灵成像成像技术的使用神经网络的神经网络的神经网络自主监督自主监督的

更多相关视频

Digital Inline Holographic Microscopy DIHM of Weakly-scattering Subjects
10:16

Digital Inline Holographic Microscopy DIHM of Weakly-scattering Subjects

Published on: February 8, 2014

12.2K
Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.7K

相关实验视频

Last Updated: Jun 21, 2025

Medical-grade Sterilizable Target for Fluid-immersed Fetoscope Optical Distortion Calibration
07:03

Medical-grade Sterilizable Target for Fluid-immersed Fetoscope Optical Distortion Calibration

Published on: February 23, 2017

7.7K
Digital Inline Holographic Microscopy DIHM of Weakly-scattering Subjects
10:16

Digital Inline Holographic Microscopy DIHM of Weakly-scattering Subjects

Published on: February 8, 2014

12.2K
Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.7K

科学领域:

  • 光学和光子学 在光学和光子学.
  • 人工智能的人工智能
  • 计算成像技术的成像

背景情况:

  • 幽灵成像是一种强大的物体重建技术,但它面临着隐蔽目标的挑战.
  • 当物体部分隐藏时,传统方法难以恢复高质量的图像.
  • 计算幽灵成像提供了灵活性,但需要高效的重建算法.

研究的目的:

  • 引入一种新的自我监督学习方法,用于增强隐藏对象的幽灵成像.
  • 提高幽灵成像中图像重建的质量和效率.
  • 为了证明W形神经网络对幽灵成像预处理的有效性.

主要方法:

  • 开发一个W形神经网络架构.
  • 自主监督学习的应用用于图像预处理.
  • 实施W型自主监督计算幽灵成像 (WSCGI) 方法.
  • 通过数值模拟和实验设置进行验证.

主要成果:

  • WSCGI方法显著提高了对隐蔽物体重建图像的质量.
  • 在幽灵成像重建过程中提高了效率.
  • 数字模拟和实验结果证实了该方法对现有技术的优越性.
  • 证明了先前具有挑战性的隐蔽目标的成功幽灵成像.

结论:

  • 自主监督学习是推进幽灵成像技术的有希望的方法.
  • 这种W形神经网络有效预处理图像,提高了重建性能.
  • WSCGI方法提供了一个强大的解决方案,用于隐蔽对象的幽灵成像.