基于补丁的深度学习模型用于修复受探测器间隙影响的布拉格相干衍射图样
材料科学
2024-03-14 v1
摘要
我们提出了一种深度学习算法，用于修复受探测器间隙影响的布拉格相干衍射成像（BCDI）图样。这些缺失强度的区域可能会影响重建算法的准确性，在最终结果中引入伪影。因此，恢复这些区域的强度以确保更可靠的重建是必要的。我们方法的关键在于选择使用裁剪后的实验衍射数据和模拟数据片段来训练神经网络，随后将模型生成的预测沿间隙进行拼接，从而补全整个衍射峰。这为我们提供了更多的实验训练数据，并由于尺寸有限而允许更快的模型训练，同时神经网络可以应用于任意更大的BCDI数据集。此外，我们的方法不仅拓宽了应用范围，还确保了在具有挑战性的实验条件下数据的完整性和可靠性。
引用
@article{arxiv.2403.08596,
title = {Patching-based Deep Learning model for the Inpainting of Bragg Coherent Diffraction patterns affected by detectors' gaps},
author = {Matteo Masto and Vincent Favre-Nicolin and Steven Leake and Tobias Schülli and Marie-Ingrid Richard and Ewen Bellec},
journal= {arXiv preprint arXiv:2403.08596},
year = {2024}
}
备注
Main article + Supplemental Material