期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于残差自注意力连接的深度电学层析成像方法 被引量：11
1
作者 王子辰 陈晓艳 +2 位作者 王倩 王迪 谢娜 《仪器仪表学报》 EI CAS CSCD 北大核心 2023年第5期288-301,共14页
针对电学层析重建(ET)的“软场”特性和逆问题求解的病态性所造成的边界伪影和空间分辨率低的问题,本文提出一种基于迭代展开的预重建模块和改进的注意力深度U形卷积神经网络(CNN)的深度成像方法。其中,预重建模块是由牛顿—拉夫逊迭代... 针对电学层析重建(ET)的“软场”特性和逆问题求解的病态性所造成的边界伪影和空间分辨率低的问题,本文提出一种基于迭代展开的预重建模块和改进的注意力深度U形卷积神经网络(CNN)的深度成像方法。其中,预重建模块是由牛顿—拉夫逊迭代算法得到的4层反卷积神经网络;深度U形CNN模块中,在特征提取和重建模块中加入残差连接,用于缓解深度CNN模型中的梯度消失问题,同时引入自注意力跳跃连接实现对全局特征和局部特征的抽象融合,使模型更好地表达图像重建问题的非线性特征。重建结果表明空间分辨率高,内含物边界清晰,重建相对误差为0.10,相关系数为0.93,说明本方法可以有效改善ET图像的质量,为无损测量与检测可视化提出了一种可靠方法。 展开更多
关键词 电学层析成像 预重建模块 深度卷积神经网络 残差连接 自注意力机制 深度学习
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部