.png){kind=icon}
返回
Attention-enhanced computational ghost imaging
.png){kind=icon}
PRE
AI
DOI：10.1007/s11432-024-4434-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究中，我们提出了一种注意力增强的计算鬼成像方法（AEGI）。AEGI将注意力机制整合到计算鬼成像的框架中。在图像重建过程中，注意力机制通过提取的特征识别并捕获与物体相关的信息，受限于预测和实际物体图像的1D强度之间的差异。该过程可以通过探索特征与相邻特征之间的关系来调整特征的权重，从而在增强最终图像中物体信号的同时抑制背景噪声。此外，我们在陌生空间和水下环境中进行了一些实验，以验证AEGI的有效性。结果表明，AEGI能够高质量地重建物体图像，这大大增强了计算鬼成像的实用应用能力。
Keyword:
computational ghost imaging
attention mechanism
deep learning
self-supervised
speckle pattern
期刊
IF:
7.6
论文数:
4.9K
被引数:
8.9K
机构
引用论文
HAR-Net: Joint Learning of Hybrid Attention for Single-Stage Object DetectionHAR-Net: 用于单阶段目标检测的混合注意力联合学习
OAAI
OAAI分享收藏VGenNet: Variable Generative Prior Enhanced Single Pixel ImagingVGenNet: 可变生成先验增强单像素成像.png)
ACS PHOTONICS
ACS PHOTONICSIF6.7
PREAI
分享收藏分享收藏
查看更多内容