مقاله ترجمه شده درباره شبح نگاری کامپیوتری با استفاده از یادگیری عمیق – سال 2018
مشخصات مقاله:
عنوان فارسی مقاله:
شبح نگاری کامپیوتری با استفاده از یادگیری عمیق
عنوان انگلیسی مقاله:
Computational ghost imaging using deep learning
کلمات کلیدی مقاله:
شبح نگاری کامپیوتری، شبح نگاری ، یادگیری عمیق
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
هوش مصنوعی و مهندسی نرم افزار
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. روش ارائه شده
2.1 شبح نگاری کامپیوتری
2.2 بهبود کیفیت تصویر برداری با استفاده از شبکه عصبی عمیق
3-نتایج
4. جمع بندی
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
Computational ghost imaging (CGI) [1] has garnered attention in recent years as a promising single-pixel imaging method. In CGI, we project several known random patterns onto the object to be imaged and then use a lens to collect the light transmitted an object or reflected by an object. The light intensities are measured by a bucket detector, such as a photodiode. An image of the object is then created by calculating the correlations between the known random patterns and the measured light intensities. CGI can image objects even in noisy environments. Originally, CGI only measured the light intensity of objects, but methods have also been devised for measuring its phase [2,3]. The acquisition time for CGI schemes is long as they require a large number of illuminating random patterns to objects. Recently, the situation has been improved by using high-speed random pattern illumination [4,5]. In addition, three-dimensional [6] and multi-spectrum CGI [7] have been developed.
1. مقدمه
شبح نگاری کامپیوتری (CGI) [1] ، توجه زیادی را در سال های اخیر به خودش جلب کرده است و به عنوان یکی از روش های تصویر برداری تک پیکسلی امید بخش، معرفی شده است. در این روش، ما الگوهای اتفاقی مختلف را بر روی چیزی که قرار است از آن تصویر گفته شود انداخته می اندازیم و سپس یک لنز برای جمع آوری کردن نور های رد شده یا منعکس شده از تصویر، استفاده می کنیم. شدت های نور با استفاده از یک آشکار ساز پیمانه ای ( آشکار ساز های تک پیکسلی با نام آشکار ساز پیمانه ای هم شناخته می شوند) مانند فوتودیود ها اندازه گیری می شود. سپس با محاسبه کردن همبستگی های بین الگوهای اتفاقی معلوم و شدت های نوری اندازه گیری شده، تصویر آن شی ایجاد می شود. CGI می تواند از اشیا در محیط های نویز دار نیز تصویر برداری کند.
در اصل، CGI تنها می تواند شدت نور اشیا را اندازه گیری کند، اما روش های مختلفی برای اندازه گیری فاز نوزی نیز ارائه شده است [2و3]. زمان اکتساب برای طرح های CGI نیز طولانی می باشد زیرا این روش ها نیازمند تعداد زیادی از الگوهای اتفاقی نور پردازی بر روی شی می باشند. اخیرا، این شرایط با استفاده از روش های نورپردازی اتفاقی با سرعت بالا [4و5] بهبود پیدا کرده است. به علاوه، روش های سه بعدی [6] و چند طیفی از CGI [7] نیز توسعه پیدا کرده است.
