交叉注意力变压器可以在超低采样率的幽灵成像中实现图像免费的目标识别

科学领域:

• 计算成像技术的成像
• 机器学习 机器学习
• 光学传感传感器是什么?

背景情况:

• 传统的目标识别方法在与超低采样比率 (SR) 的稀疏数据作斗争.
• 幽灵成像 (GI) 提供了一个框架,以有限的测量获取信息.
• 从稀疏的胃肠道数据中重建图像是计算密集且耗时的.

研究的目的:

• 开发一种使用幽灵成像 (GI) 和交叉注意力深度学习 (DL) 的无图像目标识别方法.
• 在没有图像重建的情况下,以极低的采样比率 (SR) 实现高识别精度.
• 证明拟议模型在各种应用中的稳定性和效率.

主要方法:

• 一个交叉注意深度学习 (DL) 模型被开发和训练在幽灵成像 (GI) 测量.
• 该模型在0.2和0.1.1的超低采样比率 (SR) 上进行了测试.
• 这种方法侧重于水桶测量中的相关特征,忽视噪声.

主要成果:

• 交叉注意力DL模型实现了99%和96%的识别准确度,分别为0.2和0.1SRs.
• 该模型证明了对数据增强和多类目标分类的稳定性.
• 无图像识别消除了在超低SRs的重建时间.

结论:

• 拟议的与GI交叉注意力机制使得从稀疏的水桶测量中实现高效的,无图像的目标识别.
• 这种方法对于需要在有限数据的情况下快速识别的应用程序至关重要,例如自动驾驶汽车和医疗诊断.
• 该方法克服了传统识别技术中数据稀疏性所带来的挑战.