可切换深度波束成形器
图像与视频处理
2020-09-07 v2 计算机视觉与模式识别
机器学习
机器学习
摘要
近期利用深度神经网络实现深度波束成形器的方案，作为自适应与压缩波束成形器的计算高效替代方案引起了显著关注。此外，深度波束成形器具有通用性，可将图像后处理算法与波束成形结合。遗憾的是，在现有技术中，每个应用都需训练并存储独立的波束成形器，耗费大量扫描仪资源。为解决此问题，我们在此提出一种{\em 可切换}深度波束成形器，可通过带简单开关的单一网络产生多种输出，如 DAS、散斑抑制、反卷积等。特别地，该开关通过自适应实例归一化(AdaIN)层实现，从而仅改变 AdaIN 编码即可生成多种输出。使用 B 型聚焦超声的实验结果证实了所提方法在各种应用中的灵活性与有效性。
引用
@article{arxiv.2008.13646,
title = {Switchable Deep Beamformer},
author = {Shujaat Khan and Jaeyoung Huh and Jong Chul Ye},
journal= {arXiv preprint arXiv:2008.13646},
year = {2020}
}