研究目的
开发一种用于相干衍射成像中实时相位恢复的深度学习解决方案,以克服传统迭代算法的局限性。
研究成果
该研究展示了远场成像相位恢复的首个端到端深度学习解决方案,相比传统方法具有显著的速度优势。CDI神经网络可在毫秒内预测结构与相位,实现实时成像应用。但对于具有强相位结构的小型物体,其准确度较低。
研究不足
该研究基于模拟数据,未解决实验数据中噪声、像素变化、束流稳定性及部分相干性等挑战。对于具有强相位结构的小型物体,网络性能的准确性较低。
研究目的
开发一种用于相干衍射成像中实时相位恢复的深度学习解决方案,以克服传统迭代算法的局限性。
研究成果
该研究展示了远场成像相位恢复的首个端到端深度学习解决方案,相比传统方法具有显著的速度优势。CDI神经网络可在毫秒内预测结构与相位,实现实时成像应用。但对于具有强相位结构的小型物体,其准确度较低。
研究不足
该研究基于模拟数据,未解决实验数据中噪声、像素变化、束流稳定性及部分相干性等挑战。对于具有强相位结构的小型物体,网络性能的准确性较低。
加载中....
您正在对论文“使用深度生成网络进行实时相干衍射反演”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期