基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
近年来,深度学习被广泛应用于计算成像中,并取得了令人瞩目的成果,已成为该领域的研究热点.为了深入了解现有基于深度学习的方法是如何解决众多计算成像问题的,主要介绍了该方法的基本理论和实施步骤,然后以散射成像、数字全息及计算鬼成像中的应用为例具体介绍该方法的有效性和优越性.汇总对比了一些典型应用,并对基于深度学习的计算成像方法进行了总结和展望.
推荐文章
深度学习在神经影像中的应用研究
深度学习
卷积神经网络
神经影像
多层感知器
深度神经网络
深度学习在电力负荷预测中的应用综述
深度学习
电力系统
负荷预测
人工神经网络
LSTM
深度学习在SDN中的应用研究
深度学习
软件定义网络
应用
研究
深度学习在图像识别中的应用研究综述
深度学习
图像识别
卷积神经网络
胶囊网络
迁移学习
非监督学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 深度学习在计算成像中的应用
来源期刊 光学学报 学科 物理学
关键词 成像系统 计算成像 深度学习 散射成像 数字全息 计算鬼成像
年,卷(期) 2020,(1) 所属期刊栏目 “计算光学成像”专题
研究方向 页码范围 25-38
页数 14页 分类号 O439
字数 语种 中文
DOI 10.3788/AOS202040.0111002
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (56)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1948(1)
  • 参考文献(1)
  • 二级参考文献(0)
1961(1)
  • 参考文献(1)
  • 二级参考文献(0)
1962(1)
  • 参考文献(1)
  • 二级参考文献(0)
1973(1)
  • 参考文献(1)
  • 二级参考文献(0)
1975(1)
  • 参考文献(1)
  • 二级参考文献(0)
1978(1)
  • 参考文献(1)
  • 二级参考文献(0)
1982(1)
  • 参考文献(1)
  • 二级参考文献(0)
1986(1)
  • 参考文献(1)
  • 二级参考文献(0)
1989(2)
  • 参考文献(2)
  • 二级参考文献(0)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(15)
  • 参考文献(15)
  • 二级参考文献(0)
2019(7)
  • 参考文献(7)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
成像系统
计算成像
深度学习
散射成像
数字全息
计算鬼成像
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
光学学报
半月刊
0253-2239
31-1252/O4
大16开
上海市嘉定区清河路390号(上海800-211信箱)
4-293
1981
chi
出版文献量(篇)
11761
总下载数(次)
35
总被引数(次)
130170
论文1v1指导