深度学习加速光源实验
图像与视频处理
2019-10-10 v1 机器学习
摘要
同步辐射光源的实验方案通常仅在实验完成后才处理并验证数据，这可能导致未被察觉的错误，且无法实现在线调控。实时数据分析既能实现对错误的检测与恢复，也能优化数据采集。然而，现代科学仪器（如同步辐射光源处的探测器）可以每秒GB级速率产生数据。诸如广泛使用的计算断层扫描等数据处理方法通常需要可观的计算资源，并且在数据采集早期可用视角稀疏时重建质量较差。我们在此描述如何将深度卷积神经网络集成到实时流式断层扫描流水线中，以在数据采集早期阶段获得更高质量的图像。与常规流式断层扫描处理相比，我们的方法能显著提升断层图像质量，仅使用常规流式处理所需32%的数据即可给出可比图像，并节省68%的数据采集实验时间。
引用
@article{arxiv.1910.04081,
title = {Deep Learning Accelerated Light Source Experiments},
author = {Zhengchun Liu and Tekin Bicer and Rajkumar Kettimuthu and Ian Foster},
journal= {arXiv preprint arXiv:1910.04081},
year = {2019}
}