使用条件生成对抗网络的相位恢复
图像与视频处理
2020-07-09 v2 计算机视觉与模式识别
机器学习
机器学习
摘要
在本文中，我们提出应用条件生成对抗网络来解决各种相位恢复问题。我们表明，在训练时纳入测量过程的知识，使得测试时的优化比现有涉及生成模型的方法对初始化更具鲁棒性。此外，将生成器网络以测量值为条件使我们能够获得更细致的结果。我们通过实验证明，这些优势为傅里叶相位恢复和压缩相位恢复问题提供了有意义的解决方案，并且我们的方法优于成熟的基于投影的方法以及现有的基于神经网络的方法。与其他深度学习方法一样，我们的方法对噪声非常鲁棒，因此对于现实应用非常有用。
引用
@article{arxiv.1912.04981,
title = {Phase Retrieval Using Conditional Generative Adversarial Networks},
author = {Tobias Uelwer and Alexander Oberstraß and Stefan Harmeling},
journal= {arXiv preprint arXiv:1912.04981},
year = {2020}
}
备注
Accepted at the 25th International Conference on Pattern Recognition 2020 (ICPR)