重建光谱中的Sim2Real：基于增强设备信息数据模拟的深度学习
机器学习
2024-08-20 v3 信号处理
摘要
本文提出了一种基于深度学习（DL）的框架Sim2Real，用于重建光谱中的光谱信号重建，重点关注高效数据采样和快速推理时间。该工作聚焦于在仅有设备信息模拟数据可用于训练的极端条件下重建真实世界光谱信号的挑战。此类设备信息模拟数据比真实世界数据更容易收集，但与真实世界对应数据之间存在较大的分布偏移。为有效利用此类模拟数据，引入了一种分层数据增强策略以减轻这种域偏移的不利影响，并设计了一个相应的神经网络，利用增强数据进行光谱信号重建。使用从我们光谱仪设备测量的真实数据集进行的实验表明，Sim2Real在推理过程中实现了显著加速，同时达到了与最先进的基于优化的方法相当的性能。
引用
@article{arxiv.2403.12354,
title = {Sim2Real in Reconstructive Spectroscopy: Deep Learning with Augmented Device-Informed Data Simulation},
author = {Jiyi Chen and Pengyu Li and Yutong Wang and Pei-Cheng Ku and Qing Qu},
journal= {arXiv preprint arXiv:2403.12354},
year = {2024}
}