基于卷积神经网络回归的数字全息深度预测
计算机视觉与模式识别
2018-02-05 v1 图像与视频处理
摘要
数字全息使我们能够从成像设备捕获的全息图重建三维空间中的物体。对于重建，我们需要预先知道记录物体的深度位置。本研究提出使用基于卷积神经网络(CNN)的回归进行深度预测。在以往研究中，物体深度是通过对全息图在不同深度位置重建的图像使用某一指示最聚焦深度位置的度量来估计的；然而，这种深度搜索耗时较长。所提方法的CNN可直接以毫米精度从全息图预测深度位置。
引用
@article{arxiv.1802.00664,
title = {Convolutional neural network-based regression for depth prediction in digital holography},
author = {Tomoyoshi Shimobaba and Takashi Kakue and Tomoyoshi Ito},
journal= {arXiv preprint arXiv:1802.00664},
year = {2018}
}