Res-U2Net：用于相位恢复与图像重建的无训练深度学习
图像与视频处理
2024-07-09 v1 计算机视觉与模式识别
应用物理
光学
摘要
传统的基于深度学习的图像重建方法需要大量训练数据，而这在实际中往往难以获取。无训练深度学习方法通过训练网络以反演图像成像过程的物理模型，从而克服了这一局限性。在此，我们提出了一种用于相位恢复的新型无训练 Res-U2Net 模型。我们利用提取的相位信息来确定物体表面的变化，并生成其 3D 结构的网格表示。我们使用 GDXRAY 数据集中的图像，将 Res-U2Net 的相位恢复性能与 UNet 和 U2Net 进行了比较。
引用
@article{arxiv.2404.06657,
title = {Res-U2Net: Untrained Deep Learning for Phase Retrieval and Image Reconstruction},
author = {Carlos Osorio Quero and Daniel Leykam and Irving Rondon Ojeda},
journal= {arXiv preprint arXiv:2404.06657},
year = {2024}
}
备注
16 pages, 8 figures, 4 Tables