SPyRiT 3.0:基于深度学习的单像素成像开源包

科学领域:

• 计算光学是一种计算光学.
• 图像重建 图像重建
• 深度学习应用程序深度学习应用程序

背景情况:

• 单像素成像 (SPI) 依赖于重建算法,以从有限的测量中形成图像.
• 深度学习 (DL) 方法已经推进了SPI重建,但会带来复制性挑战.
• 需要工具来确保基于DL的SPI中的可重现性和基准分析.

研究的目的:

• 介绍SPyRiT,这是SPI的一个开源PyTorch工具箱.
• 在SPI中促进DL重建算法的可重复性基准测试.
• 对比SPI的监督和插即用DL方法.

主要方法:

• 开发了SPyRiT,这是一个使用PyTorch.ch的多功能,开源工具箱.
• 实施了各种监督和插即用DL重建方法.
• 在不同的信号噪声比率 (SNR) 和数据集中评估方法性能.

主要成果:

• 在模拟数据上训练的监督DL方法在具有足够SNR的实验数据上表现良好.
• 插即用方法通过超参数调整为较低的SNR提供灵活性.
• DC-Net表现出对噪声的稳定性,与没有手动调的插即用方法相美.

结论:

• SPyRiT 能够在 SPI 和相关领域 (如幽灵成像) 中对 DL 重建进行严格的基准测试.
• 该工具箱支持DL在计算光学模式中的进一步研究和应用.
• SPyRiT促进了基于DL的图像重建的可复制性和进步.