.png){kind=icon}
返回
DeepBessel: deep learning-based full-field vibration profilometry using single-shot time-averaged interference microscopy
.png){kind=icon}
PRE
AI
DOI：10.1016/j.optlaseng.2025.109588.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• DeepBessel：一种用于单次Besselogram分析的卷积神经网络。
• 无需基于余弦的解调误差，即可实现精确的振动幅度重建。
• 与经典方法相比，在合成数据和实验数据上显著降低了误差。
• 基于单幅干涉图，实现可靠的MEMS/MOEMS全场振动轮廓测量。
期刊
IF:
3.7
论文数:
7.3K
被引数:
1.7W
机构
暂无机构信息
引用论文
Active microelement testing by interferometry using time-average and quasi-stroboscopic techniques
.png){kind=icon}
PREAI
分享收藏分享收藏PhUn-Net: ready-to-use neural network for unwrapping quantitative phase images of biological cellsPhun-net: 用于展开生物细胞定量相位图像的现成神经网络
OAAI
OAAI分享收藏分享收藏
查看更多内容